用新型忆阻器芯片实现隐私保护的数据分析

医疗领域的隐私保护数据分析对保障患者敏感信息同时实现医疗监测和诊断至关重要。然而，现有解决方案通常将安全与分析模块、存储与计算单元分离，导致硬件和能源开销大，限制了在资源有限的医疗设备中的应用。为此，研究团队开发了基于忆阻器的共置认证与处理（CLAP）系统，通过在存算一体架构中嵌入物理不可克隆函数（PUF），实现了安全与分析的集成。

传统硬件方案效率低下，主要依赖数字CMOS实现，将安全和分析分为不同模块，造成冗余硬件开销，限制设备小型化；且遵循冯·诺依曼架构，存储和计算单元分离，在安全和分析操作中产生大量数据传输瓶颈，降低能源效率和设备续航。而忆阻器阵列兼具安全和处理优势：可作为PUF利用内在随机性生成独特设备指纹，用于安全密钥生成和芯片识别；同时支持存算一体（CIM），数据直接在存储位置处理，大幅降低能耗和数据传输瓶颈。

但PUF和CIM在忆阻器阵列中共置面临两大矛盾：PUF依赖物理差异生成独特响应，与CIM需设备间一致计算冲突；PUF需变化电导产生熵，CIM需稳定电导实现可靠权重。为此，CLAP系统核心的差分随机映射方法解决了这些矛盾：成对忆阻器矩阵的电导差提供确定性CIM权重，矩阵组合生成随机性PUF指纹，将差分表示的固有冗余转化为安全熵。

研究在130纳米忆阻器芯片上验证了CLAP系统，可用于多种信息处理任务，如离散小波变换（DWT）、离散傅里叶变换（DFT）、压缩感知（CS）和多层感知器（MLP）神经网络。在心电图（ECG）数据采集任务中，CLAP实现了99.46%的认证曲线下面积（AUC）和18.67%的软件级百分比均方根差（PRD）信号压缩。与传统硬件相比，CLAP能效提升146倍，面积减少17.6倍，为医疗应用提供了兼具隐私保护和计算效率的内在安全硬件解决方案。