成果简介
石墨烯是一种具有优异电学和力学性能的热门纳米材料，其在声学领域中的纳米传感器应用已得到广泛研究。随着智能终端和人机交互的普及，由信息泄露引发的个人隐私与安全问题日益受到公众关注。数据加密是保护数据的有效手段，而纳米声学传感器带来的数据增长使得研究数据的加密效果具有重要意义。本文，北京理工大学Xiao-Liang Guo、清华大学任天令 教授等《ACS Appl. Nano Mater》期刊发表名为“Speech Encryption by Graphene-Based Acoustic Sensors”的论文，研究提出通过激光诱导石墨烯（LIG）制备电阻式声学传感器，在数据采集过程中实现数据加密，从而更好地降低信息传输和存储过程中数据泄露的威胁。通过神经网络验证了Tiny Encryption Algorithm（TEA）和混沌加密算法处理的数据的识别与混淆能力。利用加密后数据密度散点图对不同加密算法进行模糊特征化，并分析其分布差异的潜在机制及其对加密效果的影响。
图文导读
图1. Performance of graphene acoustic sensor. (a) Schematic diagram of sound signal reception and acquisition. (b) Sensor model. (c) Electron microscopy scan of LIG, inset showing the morphology of the enlarged red circle area. (d) Waveforms are acquired by the LIG sensor, and the inset shows waveforms acquired by the commercial microphone.
小结
本文采用激光直接写入技术，制备了一种简单且低成本的柔性可穿戴石墨烯电阻式声学传感器。SCM用于在资源受限的环境下实现小数据的实时加密采集与传输，神经网络模型用于验证数据保护效果。在明文训练网络模型下，不同加密算法处理的数据识别率非常低。在对应的密文训练网络模型下，混沌加密算法基于固定映射函数和简单的加密位操作，所得数据分布存在空白区域和明显规律性，其识别率可达约70%的高水平。而TEA主要基于数据本身的移位操作，加密位操作更为复杂，所得数据分布无序，数据值更符合正态分布，其识别率仅约10%，但具有良好的数据保护效果。本研究为石墨烯纳米传感器在人机交互领域应用所引发的数据膨胀背景下，提供了数据安全性的选择方案。
文献:https://doi.org/10.1021/acsanm.5c01287
本文来自材料分析与应用，本文观点不代表石墨烯网立场，转载请联系原作者。
