目前，隐私和安全问题已成为人们关注的焦点，可穿戴设备、智能家居设备、平板电脑和智能手机一般都会保留用户的隐私信息，安全高效的用户认证已经成为防范这些电子设备隐私泄露的第一道防线。开展传感器信号与机器学习技术相结合的安全高效用户身份认证方法的研究，构建智能用户认证系统，对于推动柔性电子技术在隐私保护领域的发展具有重要意义。
近日，山东大学李阳教授在期刊《Chemical Engineering Journal》上，发表了最新研究成果“A facile fabrication strategy constructed multilayer piezoresistive pressure sensor for intelligent recognition system towards privacy protection”。受松针的启发，研究者开发了由聚偏氟乙烯-三氟乙烯(P(VDF-TrFE))-二氧化钛(TiO2)/单壁碳纳米管(SWCNT)薄膜作为传感层，特殊形状的纸张作为间隔层，铜(Cu)/镍(Ni)胶带作为电极，聚酰亚胺(PI)薄膜作为衬底组成的压阻式压力传感器（PPS），如图1所示。
图1：PPS的结构和局部放大图。
图2：PPS的性能测试。
该传感器具有优异的感知压力刺激性能。TiO2松针结构的高表面积使其更容易感知微小的应力变化，从而提高传感器的灵敏度。通过引入气隙和松针形TiO2纳米柱结构的协同效应，获得了高灵敏度的PPS (0 - 1 kPa时9040.46 kPa-1, 1 - 7 kPa时679.7 kPa-1, 7 - 20 kPa时50.04 kPa-1)。 快速的响应和恢复时间(30 ms/30 ms)，能够检测到1 Pa的微小压力，且具有良好的稳定性（间隔7天后电流输出测试无明显变化）。所提出的设计和制备工艺简单方便，可实现快速批量生产，适合长期应用。
图3：PPS的应用-智能手写识别系统。
此外，基于PPS建立了一个智能手写识别系统，该系统可以在传感器上区分不同用户写同一英语句子的身份(图3(a, b))。在测试过程中，四位不同的用户在正常压力下以各自独特的风格写下了“I love you”。将PPS采集到的手写信号数据经过相关的信号处理之后作为样本特征（图3c），通过机器学习(ML)模型进行分类，识别准确率高达97.73%。此外开发了一款登录页面对识别结果进行实时的展示。显然，所提出的手写识别智能系统将在个人身份信息、金融信息、医疗信息、社交媒体等方面发挥巨大的应用价值。
图4：PPS的应用-多用户识别与认证。
此外，基于3 × 3的 PPS阵列构建了密码解锁系统，实现了密码和行为模式的双重认证。该PPS阵列由9个柔性传感单元组成，每个传感单元被设计为单独连接的传感器像素。9个用户按照自己的风格输入密码，记录来自每个传感器单元的波形，有的用户输入了正确的密码，有的用户输入了错误的密码。总共收集了9个用户的多个试验数据 (120个样本× 9个通道)。图4a ( i-ix )显示了9个不同用户PPS阵列的多通道电压输出图，其中电压输出幅值、连续点击的时间间隔和每次点击的持续时间可以从测量波形中提取出来。使用ML技术进行分析和处理，识别准确率高达99.07%。这证明了ML辅助PPS阵列在检测密码输入和识别用户方面的可行性，突出了其在隐私保护方面的巨大潜力。
论文链接：https://doi.org/10.1016/j.cej.2024.150201
人物简介：
李阳，教授，博士生导师，IEEE高级会员，科技部中韩青年科学家、山东省泰山学者青年专家、山东省高校集成电路创新团队带头人、山东省优秀青年基金获得者、山东省青年科技人才托举工程入选者、齐鲁青年学者（第一层次）、山东省高层次人才，集成芯片与系统全国重点实验室高级访问学者，主持国家自然科学基金项目(3项)、科技部项目、山东省重大基础研究项目、山东省优秀青年基金项目、山东省重点研发计划项目等省部级以上重点项目15项。已累计发表SCI检索论文100余篇，其中以第一作者/通讯作者在Chem. Soc. Rev.、Matter、Adv. Mater. 、Adv. Funct. Mater. 、Adv. Sci.、Nano Lett.、IEEE Trans. Electron. Dev.等领域内顶尖期刊上发表SCI检索文章80余篇，其中中科院一区文章60余篇，包含封面文章10篇，高被引论文、热点论文5篇，授权国家发明专利20项，韩国发明专利11项。
