- CVPR在人脸反欺诈中提升跨领域泛化性能：洞见、设计与度量
本文介绍了一种增强数据域广义化中反欺骗性能的新视角，并提出了一种在视频层面上以度量为基础的方法，用于优化模型的稳定性和泛化能力。研究结果显示，简单地扩大模型的骨干网络并不能本质上改善模型的不稳定性，因此我们从贝叶斯的角度提出了一种集成骨干网 - 用于反欺骗检测的预训练语音模型中隐藏嵌入的关注性合并
本文研究了 WavLM 模型在反欺诈任务中的多层行为，并提出了一种注意力融合方法来利用分层隐藏嵌入，结果表明微调 WavLM 能够在 ASVspoof 2019LA、2021LA 和 2021DF 的评估集上分别达到 0.65%、3.50% - 免接触指纹生物特征反欺骗：一种无监督深度学习方法
我们提出了一种创新的反欺骗方法，将无监督自编码器与卷积块注意模块相结合，以解决现有方法的局限性，并具有有效推广性。我们的模型仅在真实图像上进行训练，未接触任何伪造样本，在测试阶段用于评估各种类型的展示攻击图像。我们的方案在涉及各种类型伪造样 - 无接触指纹生物识别系统的通用反欺骗方法
我们提出了一种用于无接触指纹的通用表现攻击检测方法，该方法使用了合成的无接触指纹进行模型训练，并结合了 Arcface 和 Center loss 进行联合损失函数的设计，最终取得了 0.12% 的正常认证错误率、0.63% 的攻击展示分类 - 复数值神经网络用于语音反欺骗
本文介绍了一种新的方法，通过使用复数值神经网络处理输入音频的 CQT 频域表示，结合了幅度谱图和原始音频处理方法的优点，既保留了相位信息又可使用可解释人工智能方法，结果表明该方法在 “野外” 反欺诈数据集上优于先前的方法，并通过可解释人工智 - 双曲面人脸反欺骗
基于超几何空间和多模态特征的通用面部反欺骗方法在不同攻击类型下表现出显著的性能提升，并在少量攻击类型下具有很好的泛化能力。
- 深度集成学习中的帧跳过用于人脸防伪
将人脸防伪任务重新构建为动作预测问题，并引入了一个含有跳帧机制的深度集成学习模型。通过对原始视频进行切割，并选取每个视频片段的第 n 帧来培训三个循环神经网络，从而改进了整体的识别表现。在四个数据集上进行了大量实验证明，在最具挑战性的跨数据 - 基于活体得分的人脸反欺诈回归神经网络
本文提出了一种基于生命得分回归网络的活体检测方法，通过引入一种称为伪分级标签编码的新标记方法来解决第三方网络的精度问题，进而在四个面部活体检测基准实验中取得了比以前方法更好的效果。
- AAAI学习多义反欺骗迹象：一种用于人脸反欺骗的多模态解缠网络
该研究论文主要针对人脸识别中的反欺诈问题，提出一种多模态解缠模型，通过对来自 RGB 和深度输入的欺诈模式进行重定标定和交叉模态聚合，实现了更精确、更稳健的反欺诈预测。
- 基于 ConvNeXt 的音频防欺诈神经网络
本文提出了一种基于 ConvNeXt 网络架构的轻量级端到端反欺骗模型，通过加入通道注意力块和使用 focal loss 函数，我们的模型可以专注于最具信息量的语音表示的子带和难以分类的样本，实验表明我们的系统在 ASVSpoof 2019 - 基于双阶段特征学习的人脸反欺诈解绑特征表示
提出一种新的双阶段解缠表示学习方法，可以更好地检测未见攻击类型，以防止过度拟合于预定义的欺骗攻击类型，并在多个交叉类型的面部反欺骗基准测试中表现出卓越的准确性。
- 物理引导的欺骗痕迹分离在通用人脸反欺骗方面的应用
本文提出了一种基于对抗学习的框架，可以将面部欺骗分离成欺骗痕迹和真实成分，并使用三个附加递进组件和一个修复组件代表不同频带处的痕迹，该方法在面对已知攻击、未知攻击和开放式攻击等三种情况时均显示出良好的性能，能实现面部欺骗检测的泛化与精确。
- 关于视觉 Transformer 在零样本人脸反欺诈方面的有效性研究
本文提出了一种基于视觉 Transformer 模型的零样本反欺诈方法，通过在公共数据集上的实验，证明了该方法在 HQ-WMCA 和 SiW-M 数据集中零样本协议方面优于现有技术，并在跨数据库性能方面取得了显著提升。
- 使用 RawNet2 进行端到端的防欺骗
本研究是在自动说话者验证中首次应用 RawNet2 以实现反欺骗。我们修改了 RawNet2 架构并与传统反欺骗解决方案混合使用，以检测 ASVspoof 2019 中逻辑访问条件的 A17 攻击。我们的实验结果可以使用开源软件进行复制。
- ECCV关于解离面部欺骗的伪迹的通用面部反欺骗技术
通过对抗性学习框架，设计出一种方法以多尺度模式的等级组合方式将伪造痕迹从输入面部中分离出来，并进一步经过适当的几何修正合成出另一张逼真伪造面孔图像，从而具有卓越的伪造检测性能。
- CVPR通用物体反欺诈的噪声建模、合成和分类
本研究定义并解决了首个泛对象反欺骗问题（GOAS），并提出了基于 GAN 的体系结构来合成和识别不同传感器 / 介质组合引入的噪声模式，它对于材料规范的反欺骗起到直接的贡献。
- 跨域人脸反欺诈的深度转移
本文提出了一种使用 CNN 框架利用目标领域的稀疏标记数据来改善人脸防欺骗模型跨数据集测试性能的方法，实验结果表明仅使用少量标记样本即可显著提高模型的泛化能力。