| 研究課題/領域番号 |
24K20772
|
|---|
| 研究種目 |
若手研究
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
小区分60070:情報セキュリティ関連
|
|---|
| 研究機関 | 横浜国立大学 |
|---|
研究代表者 |
吉田 直樹 横浜国立大学, 情報戦略推進機構, 助教 (90835480)
|
|---|
| 研究期間 (年度) |
2024-04-01 – 2027-03-31
|
| 研究課題ステータス |
交付 (2024年度)
|
| 配分額 *注記 |
4,680千円 (直接経費: 3,600千円、間接経費: 1,080千円)
2026年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
2025年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
2024年度: 1,820千円 (直接経費: 1,400千円、間接経費: 420千円)
|
|---|
| キーワード | 人工物メトリクス / 画像処理 / 機械学習 / セキュリティ / サプライチェーン |
|---|
| 研究開始時の研究の概要 |
サプライチェーンの強化が重要視されている現代社会において、物体の微細な表面形状のような製造者ですら偽造困難な製品自身が持つ物理的特徴を利用して個体管理を行う技術「人工物メトリクス」の利用が期待されている。しかし微細加工技術の進歩により物理的特徴をできる限り再現したクローンの作製が可能となり、人工物メトリクスのセキュリティが危殆化する恐れがある。本研究ではその微細加工技術の特性に着目し、クローン作製時に物理的特徴に与える影響を分析することで、クローン検知アルゴリズムを実装した人工物メトリックシステムの構築を行う。本研究により、人工物メトリクス分野全般のセキュリティレベルの向上を目指す。
|
| 研究実績の概要 |
微細加工技術の進歩により、物理的な形状や構造を高精度に再現したクローン（模倣品）を作製することが可能となっている。しかし、クローンはオリジナルとは異なる製造工程を経て作られるため、その過程で微細加工技術に特有の特徴が生じると考えられる。すなわち、オリジナルとクローンの間には、外見上は区別が困難でも、工学的な差異が存在する可能性があり、それらが識別可能であるかを検討する必要がある。
本研究では、この仮説を検証するため、画像を用いた機械学習技術、特に「畳み込みニューラルネットワーク（CNN：Convolutional Neural Network）」と呼ばれる画像認識に優れた手法を用いて、クローン検知システムの構築可能性を検討した。具体的には、電子線を使って微細加工された柱状の構造体（電子線レジスト・ピラー）における、倒れ方の違いを撮影した画像データを用いた。この倒壊現象は、製造条件の違いによって微妙に変化するため、クローンとオリジナルを識別するための手がかりとなる。
これらの画像を、クローンか否かの二択で判定する「二クラス分類」問題として扱い、CNNによる初期的な学習実験を行った。モデルの構成やパラメータの調整（チューニング）は最小限に留めたが、それでも高い分類精度を達成することができた。これにより、オリジナルとクローンの間に機械学習で捉えられる差異が実際に存在することが確認され、クローン検知技術の実現可能性が示された。今後は、画像データの前処理手法の工夫や、学習モデルの最適化を通じて、さらに高精度な識別が可能になると期待される。
|
| 現在までの達成度 |
現在までの達成度
2: おおむね順調に進展している
理由
機械学習を利用した際の一般的な分類率を達成できているため。
|
| 今後の研究の推進方策 |
今回対象とした、電子線レジストの倒壊現象を利用したシリコンパターンに対しては、機械学習およびその前処理によってクローンの検知が可能であることを示すことができた。しかしながら、本手法が他の種類のクローンにも有効であるかどうかは未検証である。
今後は、より汎用的な検知手法としての成立可能性を検討するために、可視光領域で観測可能な人工物メトリクスを用いた検証を行う予定である。具体的には、紙媒体への印刷によって生成されるクローン（プリンターを用いた模倣）や、三次元形状を持つ造形物を対象としたクローン（3Dプリンタによる模倣）を試作し、それぞれにおいて機械学習による識別が可能かどうかを検証する。これにより、さまざまな物理的媒体に適用可能な、汎用的クローン検知技術の確立を目指す。
|
