文章图片

随着 5G 移动网络的部署和物联网的进步 ， 数据呈指数级增长 。 云计算作为一种可公开访问的服务 ， 允许用户以可扩展且经济高效的方式使用海量数据处理功能和存储功能 ， 因而在过去十年中迅速普及 。
云端共享的大量重要敏感信息给数据安全提出了新挑战 。 在过去 ， 数据安全问题使用由高级加密标准（Advanced Encryption Standard ， AES）或 RSA algorithm 等加密算法生成的数字密钥来解决 。 但是 ， 储存在非易失性存储器中的数字密钥容易受到物理攻击和侧通道攻击 。
此外 ， 随着量子计算的快速发展 ， 数字密钥也受到潜在的量子计算所带来的超强计算能力的挑战 。 尽管基于物理不可克隆函数 (Physical Unclonable Functions ， PUF) 的硬件和量子通信是潜在的解决方案 ， 但它们要么价格昂贵 ， 要么处于起步阶段 ， 限制了它们的普及性 。
一些大型公司与机构在不久的将来 ， 或许有能力使用 PUF 硬件与基于量子通信的数据传输 ， 但普通消费者距离这些技术可能还有一定的距离 。 从这个角度看 ， 生物识别基于每个人的特征 ， 是每个人生而获得且易使用的 。 除了易于使用之外 ， 生物特征信息是独特的、永久的、几乎不可预测的 ， 且难以模仿的 。
生物识别分为生理生物识别（例如人脸、指纹）和行为生物识别（例如按键习惯、签名） 。 其中 ， 生理生物识别占主导地位 。 它常采用照相机 ， 利用空间维度和强度维度来记录用户特征 。 为了提高用户舒适度和便利性 ， 研究界正在通过微型化固态半导体换能器和开发有机换能器 ， 将传统的刚性固态照相机转变为可穿戴柔性照相机 。
然而 ， 由于拍摄了用户照片 ， 基于照相机的生理生物识别会引发隐私问题 。 此外 ， 基于照相机的生理生物识别需要密集的像素点阵列以高分辨率捕获空间信息 ， 从而导致高成本和高功耗 。 相比之下 ， 行为生物识别技术涉及的隐私问题较少 。 同时 ， 在行为生物识别中 ， 时间维度取代了空间维度 。
例如 ， 具有 4096 个数据点的生理生物特征信息的图像帧需要使用 64 × 64 的像素点阵列 。 然而 ， 具有相同数量数据点的行为生物特征信息可以仅使用一个检测器 ， 通过在大约 4 秒内以 1kHz 采样率提供 。
因此 ， 行为生物识别技术可以提供一种更私密、更具成本效益和更节能的方法 。 除了在可穿戴和柔性传感器开发方面取得的最新进展之外 ， 深度学习已逐渐被用于行为生物识别 ， 以实现更高的准确性 。
尽管有这些优势 ， 但行为生物特征信息会导致云通信中的通信延迟较长 ， 因为记录行为生物特征信息通常需要几秒钟 。 因此 ， 需要一种能够以直接、简便和低功耗的方式在光通信中复用行为生物特征信息和数字信息的技术 ， 以在提高数据安全性的同时保持传输的流畅性 。
将摩擦电技术和纳米光子技术相结合 ， 或可为由生物识别保护的云通信构建高带宽、低成本和可穿戴/灵活的接口提供不可或缺的解决方案 。 摩擦电换能器可以作为获取行为生物特征信息的优越设备 ， 因为摩擦电换能器可以通过接触带电和静电感应的耦合效应在机械刺激下输出自生电信号 。
同时 ， 摩擦电换能器已展示出多种工作模式、高可扩展性、良好的耐磨性、广泛的材料可用性和低成本 。 另一方面 ， 基于二阶非线性（即 Pockels 效应）的非线性纳米光子器件可以成为高速光通信基础设施中的标准组件 。
理论上 ， 由于尺寸差异 ， 非线性纳米光子器件的阻抗比摩擦电换能器的阻抗高几个数量级 。 这表明协同摩擦电/光子接口可以在不需要外部电路或电源的情况下 ， 将摩擦电换能器产生的电压几乎全部加载到非线性纳米光子器件上 ， 从而对包含在电压信号中生物特征信息进行电光转换 。