基于机器学习的3D打印部件逆向工程暴露了安全漏洞

作者:本刊编译 文章来源:PT塑料网 发布时间:2020-07-27
由纽约大学坦顿工程学院机械与航空工程系教授Nikhil Gupta领导的一个研究小组证实,这些刀轨很容易被复制,只需将机器学习(ML)工具应用于通过CT扫描获得的部件的微观结构即可实现。

纽约大学坦顿工程学院的一个研究小组证实了机器学习可以使复杂复合材料部件的逆向工程变得容易。

image1_7 (1)

基于机器学习的3D打印部件逆向工程暴露了安全漏洞

过去30年来,随着工业领域对复合材料的广泛应用,使得玻璃纤维和碳纤维增强复合材料在航空和其他高性能产品领域的应用得到了快速发展。

这些混合、层状的材料在高性能的应用中所能提供的强度和多功能性,主要取决于每层纤维的取向。由于能够在CAD文件中包含针对离散打印头所打印部件各层的定位指令,使得利用最新创新技术在增材制造(3D打印)中对此要素进行微调成为可能,从而可以针对部件的特定用途而优化强度、柔韧性和耐用性。因此,这些在CAD文件指令中的3D打印刀轨(工具将遵循的一系列协调位置) 对于制造商而言是一个有价值的商业秘密。

然而,由纽约大学坦顿工程学院机械与航空工程系教授Nikhil Gupta领导的一个研究小组证实,这些刀轨很容易被复制,只需将机器学习(ML)工具应用于通过CT扫描获得的部件的微观结构即可实现。

他们的研究成果,即基于成像和机器学习的刀轨重构的增材制造复合材料部件的逆向工程,被发表在《Composites Science and Technology》杂志中, 论证了在3D打印时,这种3D打印玻纤增强聚合物长丝的逆向工程方法,可将尺寸精度控制在原始部件1%的1/3之内。

这些研究人员表示,在3D打印过程中采用的打印方向,可以通过显微CT扫描图像从打印部件的纤维方向捕获。然而,由于肉眼很难分辨纤维的方向,该小组使用ML算法训练了数千个显微CT扫描图像,用于预测任何纤维增强3D打印模型上的纤维取向。该小组在圆柱形和方形模型上验证了其ML算法的结果,发现误差小于0.5°。

Gupta表示,这项研究引起了人们对3D打印复合材料部件的知识产权安全的担忧,但现代ML方法却能够在短时间内低成本地轻松进行复制。他说:“机器学习方法正在被用于设计复杂的部件,但正如研究显示的那样,这可能是一把双刃剑,它也使逆向工程变得更加容易。因此,安全问题也应该是设计过程中考虑的一个因素,在未来的研究中应开发出不可复制的刀轨。”

0
-1
收藏
/
正在提交,请稍候…