信息化、智能化社会的可持续发展离不开信息安全。当前主流的加密芯片与算法如各种不同的防伪码等已广泛应用，但其工作模式依赖明确的输入–输出映射关系，容易遭受逆向建模与机器学习攻击，面临潜在的信息泄露风险。物理不可克隆函数(Physical unclonable functions, PUF)可通过挑战-响应机制从其内部随机结构变化中产生独一无二的响应信号，挑战与响应间的关系仅存在于其物理结构中，极难复制或解密，被认为是构建新一代安全系统的关键。然而，现有PUF器件的挑战-响应对(CRP)数量有限，易被机器学习预测或攻击，难以兼顾唯一性、不可克隆性与不可预测性等信息加密/识别三大核心需求。

  水凝胶具有独特的、不可复制、不可预测的拓扑聚合物网络结构，是PUF的理想材料。但常规水凝胶多交联均匀，内部拓扑网络结构的差异难以在宏观的光学、电学等性质上得到表达，无法直接用于信息加密。

  近日，北京理工大学赵飞教授团队开发出一种基于区域组装交联(Regional Assembly Crosslinking, RAC)策略的新型导电水凝胶(RAC-Gel)，通过从拓扑聚合物网络中获得宏观的、不可复制的电化学行为，实现了兼顾唯一性、不可克隆性与不可预测性的信息加密，为构建高安全性信息加密器件提供了新的解决方案。

  相关论文以“Tailoring Topological Network of Conductive Hydrogel for Electrochemically Mediated Encryption”为题发表在Advanced Materials上，燕宇珂、刘欣悦、刘传杰博士为论文共同第一作者。

  该材料通过施加电场诱导聚吡咯/聚苯乙烯磺酸(PPy:PSS)水凝胶体系内部发生相分离，在微观尺度上形成拓扑网络结构的离子–电子转导结点矩阵（图1，图2），构建起离-电协同传输的 “响应-刺激”三维网络结构。得益于每个转导结不同的转导时间，RAC-Gel在脉冲电信号作用下展现出高度非线性、不可预测且不可克隆的电化学响应特性。基于RAC-Gel的单个加密器件即可生成超过10¹⁹组挑战–响应对，大幅超越现有物理不可克隆函数(PUF)对强安全性的基本需求(通常为10¹⁰组)。

图1. 基于水凝胶的物理不可克隆加密单元的概念设计示意。

图2. RAC-gel结构的表征。a) PPy:PSS凝胶及电场诱导的区域交联过程示意图。b) RAC-Gel的原子力显微镜相位图像，放大视图突出了局部相分离特征，虚线标示典型的区域组装区域。c) RAC-Gel与均匀交联PPy:PSS凝胶的流变特性对比曲线。d) RAC-Gel与均匀交联PPy:PSS凝胶的掠入射广角X射线散射谱图。e) PPy:PSS团簇在电场诱导相分离前后的微观结构变化示意图。

图3. RAC-Gel的电荷传输特性。a) RAC在水凝胶截面中的示意图。b) 离–电转导结在整个水凝胶中的扩展形成等效的三维串并联电阻–电容阵列。c) 电荷传输动力学测试系统示意图。d) RAC-Gel与均匀交联PPy:PSS水凝胶在10⁵Hz频率下相对于原始输入信号的波形比较。e) RAC-Gel与均匀PPy:PSS水凝胶的循环伏安曲线。f) 对两种样品施加10⁵个半波正弦脉冲后所得波形。g) RAC-Gel与均匀交联PPy:PSS水凝胶的频率下变换输出信号。

  RAC-Gel的电荷传输行为表现出优异的可重复性与稳定性。在重复输入相同电信号的条件下，其输出波形保持高度一致，相关系数达0.999，均方误差低至2×10??，显示出良好的信号一致性与长期稳定性。

图4. 基于RAC-Gel的物理不可克隆加密单元的加密过程。a) 基于RAC-Gel器件的实物照片。b) 输入方波脉冲列信号(频率10?Hz)，脉冲数从左至右依次为1、5、10、50、100、500、1000、5000、10000、50000和100000。c) 图案编码示意图：3×3像素矩阵编号为1–9，红色方格（1、5、9）代表被激活的位置。d) 时间轴编码方式：每个方格对应0.5ms的时间窗口(w?–w?)。标红的窗口施加持续0.4ms的方波脉冲，其余窗口保持空白0.5ms。e) 64像素图案及对应的方波输入信号示例。f) RAC-Gel产生的输出信号。g) 第一次与第1000次输出信号之间的残差分布。h) 使用仿制RAC-Gel样品进行破解攻击实验。i) 仿制器件的输出信号相较于真实信号存在明显偏差。j) 破解信号与真实信号的残差分布比较。

  此外，该材料体系在面对机器学习攻击时表现出出色的抗破解能力。研究表明，无论是基于线性回归、多层感知机(MLP)，还是深度Transformer架构的模型，均难以准确预测RAC-Gel的输出响应。这一结果表明，RAC-Gel的加密性能源自材料内部的结构特征，真正实现了材料本征加密。

图5. 基于RAC-Gel的抗机器学习攻击性能。a) 图案编码过程示意图，展示了一个64像素矩阵图案（上）及其经时间序列编码后的脉冲输入信号（下）。b–d) 采用不同机器学习模型（线性回归、多层感知机MLP、Transformer）对RAC-Gel输出信号进行预测的结果。每个子图中，上方面板比较了实际输出信号（黑线）与预测信号（红线），下方面板展示相应的残差分布。b) 线性回归模型预测精度较低，残差显著偏离正态分布。c) MLP模型在一定程度上提升了预测精度，但残差分布仍未达到理想的正态形态。d) Transformer模型进一步改善了预测性能，但残差分布依旧呈双峰特征，未能满足正态分布要求。

  综上所述，本研究开发一种具备拓扑结构可调控性、传输响应非线性、自适应输入调控能力的新型导电水凝胶材料体系，验证了其在高安全度的信息加密、动态信号调控与防伪识别器件中的广泛应用潜力，为材料科学与信息技术的深度融合开辟了新的发展方向。

  原文链接：https://doi.org/10.1002/adma.202507637