随着物联网(IoT)和大数据技术的快速发展，信息安全变得越来越重要。数据泄露将对军事、经济、生活产生巨大影响。声音信号作为最原始的信息通信手段之一，具有成本低、可操作性强等优点。但低频声音信号容易被人耳捕捉和破解，不适合现代信息通信。超声的波长比普通声音短，指向性强。最重要的是，超声波的存在并不能被人的耳朵直接检测到，这比其他防伪技术更隐蔽。在现代通信中，超声波不会受到电磁屏蔽环境的干扰。因此，利用超声波作为存储信息的介质将在加密领域发挥重要作用。
目前常用的超声源有动圈式扬声器和压电陶瓷。然而，这些设备的大尺寸、硬材料限制了其在可穿戴领域的应用。本文，清华大学任天令教授和北京科技大学陶璐琪副教授团队提出了一种用于机器学习增强信息加密的柔性石墨烯基织物超声源graphene-based fabric ultrasound source (GUS)。首先对低频声音信号进行频谱搬移，调制成携带信息的超声波信号。随后，超声波作为电信号输入到GUS并进行声音发射，对声音信号进行加密传输。最后，利用麦克风采集超声信号，解调到低频以实现信息解密。值得注意的是，在超声信号特征提取过程中，采用了基于机器学习的卷积神经网络来提高超声语音识别的准确率。这项工作不仅解决了超声源在可穿戴领域的障碍，也进一步拓展了超声在信息加密领域的应用。该工作以 “A flexible graphene-based fabric ultrasound source for machine learning enhanced information encryption”为题发表于《IEEE Electron Device Letters》。论文第一作者为重庆大学硕士生孙豪。
图1. GUS的制备及工作模式。a. GUS工作机制模型。b. NOMEX基底上LIG的制备原理。c. GUS的拉曼光谱。d. GUS的SEM。e. 石墨烯基织物柔性展示。f. GUS的正反实物图。h. GUS工作机构流程图。
图2. GUS的声学测试。a. 不同激光功率下SPL输出随频率的变化关系。b. SP输出与输入功率在10 kHz, 20 kHz和40 kHz下的变化关系。c. SP输出与测试距离的变化关系。d. GUS的SPL输出稳定性。
图3. GUS用于信息加密。a、d、g. 原始的声音信号。b、e、h. 调制为高频的超声信号。d、f、i. 被解调到低频的声音信号。
图4. 机器学习增强的信息加密与识别。a. 超声频段下 “Hold your fire”, “Cover me”, “Follow me”的频谱图。b. 七种语音识别分类的混淆矩阵。c. 各种训练迭代下语音识别的总体准确率。
在这项工作中，LIG-NOMEX作为柔性超声源，被用于信息加密。制备GUS仅需激光诱导，工艺简单，成本低廉。低频的声音信号被调制成携带信息的高频超声波。由于GUS具有优异的高频声压级输出特性，可以对声音信号进行解调和再现。在机器学习的辅助下，超声语音识别准确率为98.2%。虽然识别精确度受测试距离的影响，在需要传输距离更远的场景，他们可以对GUS施加更大的电功率进而产生更大的SPL输出。此外，GUS区域非常小，就像一枚灵活的硬币。通过激光加工可以稳定地制备GUS，形成超声阵列或更大面积的GUS。因此，这种基于柔性石墨烯基织物的超声加密方法可以作为一种有效的防止信息泄露的手段。
原文链接：https://ieeexplore.ieee.org/document/9817133
本文来自高分子科技，本文观点不代表石墨烯网立场，转载请联系原作者。
