- 基于双模态神经架构搜索的直接 Gumbel Softmax 估计用于音视频深度伪造检测
深度伪造是生物特征认证的主要安全风险，本论文引入了 STGS 框架来搜索多模态融合模型结构并优化网络架构、参数和性能，实验证明了其在伪造视频检测上的出色成果。
- 基于额纹的时空网络的用户验证：FH-SSTNet
通过学习 3D 时空卷积，创建额头图案的详细图片，我们提出了一种新的 CNN 模型：额头时空卷积网络（FH-SSTNet），利用三元损失来提取区分性特征，并利用 Arcloss 提高模型的鉴别能力。在包含 247 个独特主题的额头皱纹版本 - 基于小波变换和深度残差神经网络的演示攻击检测
本研究应用深度学习方法在生物特征访问控制系统中抵御演示攻击，通过应用小波变换提取生物特征图像的特征，并修改了深度残差神经网络来检测演示攻击。在 ATVS 虹膜数据集上，获得了 93% 的最佳准确率；在 CASIA 两类数据集和 CASIA - ResWCAE：基于残差小波条件自编码器的生物特征模式图像去噪
通过提出一种轻量级、稳健的深度学习体系结构 Res-WCAE with Kullback-Leibler 散度正则化，专为指纹图像去噪设计，在高噪声情况下对比多种先进去噪方法进行了实验，结果表明 Res-WCAE 在嵌入式 IoT 设备中的 - 一种高效的集成可解释人工智能（XAI）方法用于人脸混合检测
本研究提出了一种名为 Ensemble XAI 的新型可视化解释方法，它整合了显著性地图、类激活映射和渐变 - 类激活映射，以提供更全面的可视化解释，用于预测输入是否为伪造的仿制品的深度学习预测模型。通过实验评估，该解释方法可以准确地说明深 - 关于深度生物特征表示的对抗反演
本研究针对深度神经网络嵌入式特征表示的反演问题进行了研究，发现攻击者可以通过利用现成的深度神经网络模型和公共数据集，仅通过获取到的特征表示和攻击者的先验知识，模拟原始模型的行为，并构建成功鉴别的生物特征重建模型。
- 运动 ID：人类身份验证方法
介绍了一种称为 Motion ID 的用户认证新方法，该方法利用惯性测量单元 (IMUs) 提供的运动感应来验证个人身份。通过数据预处理和机器学习，该方法展示了高精度的用户认证，可与现有方法结合使用，也有望作为一种独立的解决方案。
- 一种新的二维人脸表现攻击检测的主动解决方案
本文综述了人脸识别中的生物特征身份认证和防攻击技术，介绍了各种攻击方法及现有的防御方式，提出了一种新的无需训练数据的主动攻击检测方法。
- 声纹鉴别中的数据毒化攻击防御
该论文基于深度学习，研究语音身份验证系统的安全性问题，并提出了一种新的防御方法 Guardian，利用卷积神经网络鉴别攻击和正常帐户，准确率为 95%。
- 利用 DCGAN 和深度 CNN 缓解演示攻击
本研究旨在使用深度学习技术，通过 DĆGAN 技术生成逼真的合成图像，以识别并防止生物特征认证中的攻击，我们在三种不同的生物特征数据集上使用我们的深度 CNN 模型，测试准确率最高达 97％。
- 基于半监督学习的人脸反欺诈通用方法
本文提出了一种利用无监督预训练改进性能的方法，介绍了 Entry Antispoofing 数据集来进行监督微调，并提出了一种多类别辅助分类层，以增强检测欺骗企图的二进制分类任务，实现了在多个数据集上的最新结果。
- MM基于图卷积的步态识别中的 HOP 提取邻接技术：HEATGait
本文介绍了 HEATGait—— 一种利用操作技术来提取 gait 特征的 gait 识别系统。该方法结合预处理和数据增强技术，利用 ResGCN 提取特征，在 CASIA-B gait 数据集上实现了最佳效果
- 使用快速梯度符号方法攻击分析人脸识别认证系统
研究了利用机器学习技术的快速梯度符号方法（FGSM）攻击人脸识别生物特征认证系统，分析了该方法对生物特征认证系统性能的影响。测试结果表明，应用 FGSM 攻击生物识别系统可以显著降低其性能。
- MM学习映射到正则化潜空间以进行生物识别认证
提出了一种基于深度神经网络的通用生物识别身份验证新架构 RegNet，将授权和未授权的用户映射到两个不同的高斯分布中，并通过学习映射而避免典型分类器中的边界复杂和难以分析的问题，实验证明该系统在安全度量方面具有很高的性能。
- SWAX 基准测试：使用蜡像攻击生物特征识别系统
本篇研究针对面部欺骗攻击进行了探讨，提出了一种名为 SWAX 的数据集，该数据集包含 1800 余张人脸图像和 110 段视频，证实了高质量欺骗尝试对先进的欺骗方法仍然是有攻击性作用的。
- 面部展示攻击检测的深度像素二元监督
本文提出了一种卷积神经网络的框架，用于检测面部识别中的展示攻击，该框架使用像素级监督的深度学习技术，可以使用帧级别信息进行部署，适用于在智能设备中的部署，该方法在公共数据集上验证有效性，并在多项实验中超过当前最先进的方法。
- 基于内在图像属性和深度学习的防止面部欺诈的检测器
本论文提出了一种基于深度神经网络和元学习分类器相结合的方法，该方法利用图像固有属性探测面部 “假冒攻击”，在 PAD 领域最具挑战性的跨数据集协议上取得了超越最新成果的显著结果。
- Curie: 一种保护 SVM 分类器免受污染攻击的方法
本文介绍了机器学习在安全相关应用中的应用，探讨了一种针对机器学习的因果完整性攻击，提出了名为 Curie 的一种方法来保护 SVM 分类器对抗黄染攻击并且实验证明了该方法的有效性。
- 一种用于眼动生物特征的得分级融合方法
本文提出了一种使用眼动模式进行生物识别的新框架，利用 fixations 和 saccades 提取特征，并使用 Gaussian Radial Basis Function Network 用于生物认证。使用文本阅读和屏幕上的随机点跟随等