很多文章的报道都是由微观而宏观，今日小编讲给大家带来的关于通过机器学习对3D打印零件进行逆向工程揭示了安全漏洞的资讯也不例外，希翼可以在一定的程度上开阔你们的视野！y有对通过机器学习对3D打印零件进行逆向工程揭示了安全漏洞这篇文章感兴趣的小伙伴可以一起来看看

在过去的30年中，随着复合材料在工业上的广泛采纳，玻璃和碳纤维增强复合材料在航空航天和其他高性能应用中的使用猛增。

在高性能应用中，这些混合，分层材料的强度和多功能性的关键是每一层中纤维的方向。增材创造(3-D打印)方面的最新创新使得有可能对此因素进行微调，这是由于能够在CAD文件中包括要打印组件每一层的离散打印头方向指令，从而优化了强度和灵便性以及零件特定用途的耐用性。因此，CAD文件说明中的这些3-D打印刀具路径(刀具将遵循的一系列协调位置)对于创造商而言是珍贵的商业秘密。

但是，由纽约大学丹顿工程学院的研究人员团队(由机械和航空航天工程学系教授Nikhil Gupta领导)表明，通过将机器学习(ML)工具应用于以下工具，这些工具路径也很容易复制，因此很容易被窃取。通过CT扫描获得的零件的微观结构。

他们的研究“通过使用成像和机器学习通过刀具路径重构对增材创造的复合零件进行逆向工程”，发表在《复合材料科学与技术》上，论证了这种对3D打印的玻璃纤维增​​强聚合物长丝进行逆向工程的方法， 3-D打印，尺寸精度在原始零件的1%的三分之一之内。

调查人员包括NYU Tandon研究生Kaushik Yanamandra，Chen Lin Chen，Xianbo Xu和Gary Mac都表明，可以通过微CT扫描图像从打印部件的纤维取向中捕获3-D打印过程中使用的打印方向。 。但是，由于用肉眼很难分辨出纤维的方向，因此该团队使用了在数千个微CT扫描图像上训练的ML算法，以预测在任何纤维增强的3D打印模型上的纤维取向。该团队在圆柱和正方形模型上验证了其ML算法结果，发现误差小于0.5°。

古普塔说，这项研究引起了人们对3-D打印复合零件中知识产权安全性的关注，在这种复合零件上投入了大量的精力进行开辟，但是现代机器学习方法可以轻松地以低成本在短时间内复制它们。

Gupta说：“机器学习方法被用于复杂零件的设计中，但是，正如研究表明的那样，它们可能是一把双刃剑，这使得逆向工程也变得更加容易。”“在设计过程中还应考虑安全性，在未来的研究中应开辟出不可克隆的刀具路径。”