- VoxAtnNet: 面部展示攻击的通用三维点云卷积神经网络
提出了一种基于 3D 点云的新型演示攻击检测算法 VoxAtnNet，用于侦测手机上的面部演示攻击。通过处理 3D 点云获取体素化的方式，以保留空间结构，然后使用新型卷积注意力网络对体素化的 3D 样本进行训练，实验结果表明该方法在检测已知 - 全局 - 局部模型使用的指纹展示攻击检测器
该研究提出了一种名为 RTK-PAD 的全局 - 局部模型的假证据检测方法，通过采用全局模块和局部模块之间的重新思考模块连接，结合了全局和局部的假证据得分，以实现假证据检测，并在 LivDet 2017 上进行的实验结果表明 RTK-PAD - 基于卷积神经网络和局部二值模式的演示攻击检测
面部和虹膜的演示攻击检测的三种软件方法比较：使用 Inception-v3 的深度卷积神经网络（CNN），基于改进的 Spoofnet 架构的浅层 CNN，以及使用局部二值模式（LBP）的基于纹理的方法。
- 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 - 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 - 三维打印逼真指静脉模型
借助 3D 打印技术创建仿真手指静脉模型，可以模拟手指内部的骨骼、静脉和软组织等，用于开发和评估手指静脉提取和识别方法，同时可以欺骗手指静脉识别系统。
- 声音印记：使用声音回声的深度表示进行面部展示攻击检测的通用方法
基于声学回声的手机面部表示攻击检测方法是使用宽脉冲生成新型传输信号，通过处理接收信号的反射特征，检测面部展示攻击，实验表明该方法对于检测未知面部展示攻击具有鲁棒性。
- DyFFPAD：融合卷积和手工特征的动态指纹展示攻击检测
自动指纹识别系统面临虚假攻击的威胁，本文提出了一种动态集成的深度学习和手工特征方法来检测已知材料和未知材料协议中的虚假攻击，该模型利用了分类技术的能力并在基准协议中表现出更好的性能。
- AdvFAS: 对抗性示例下的鲁棒人脸防伪框架
确保人脸识别系统对抗攻击的可靠性需要部署人脸反欺骗技术。尽管在这个领域取得了相当大的进展，但即使是最先进的方法也难以防御对抗性样本。为了克服这些挑战，我们深入探讨对抗检测与人脸反欺骗之间的关系，并基于此提出了一种强大的人脸反欺骗框架，即 A - 接触式指纹攻击检测的深度特征：能否被推广？
本文研究了七种预训练 CNN 和一个 Vision Transformer 模型对于探测虚假指纹的泛化能力，并通过四个不同的仿冒手段和深度特征技术的性能评估结果表明，ResNet50 CNN 具有最好的泛化性能。
- CVPR2023 年野外人脸反欺诈挑战：基准和结果
介绍野外人脸防炸数据集（WFAS），该数据集包含 853,729 张交错图像，涵盖了 321,751 个欺诈主题和 148,169 个真实主题，集成了从互联网获得欺诈数据，并在 CVPR2023 工作坊上主持了野生人脸反欺诈挑战。
- 深度学习用于虹膜识别的调查
本篇综述对过去 10 年中涉及深度学习技术用于虹膜识别的研究进行了全面的回顾，包括算法设计、开放式工具、挑战以及新兴研究方向。主要关注虹膜生物识别中的分割、识别、鲁棒性、后验、开放源代码资源和技术挑战。
- 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％。
- 面部反欺诈的元教师
通过提出一种_META_teacher_fas (MT-FAS) 方法，作者旨在通过元学习的方法更有效地监督 PA 检测器的学习，以获得更好的反欺骗表现。
- 人脸反欺诈的深度学习技术概述
本文首次系统综述了基于深度学习的人脸反欺诈技术，从像素级监督、领域泛化和多模式传感器等多个角度出发，阐述了该领域的最新成果与潜在前景。
- 重新探讨面部反欺诈的像素级监督
本文综述分析了现有的人脸反欺诈像素级监督方法，提出了一种新的金字塔监督，在五个基准数据集上的实验验证了该监督能够提高性能并增强深度模型的可解释性。在不同架构配置和监督方法（二元掩码和深度图监督）的研究中，提供了启发性的见解，可用于未来的架构 - 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。
- 在线人脸活体检测中提高时间一致性
本研究旨在改善在线人脸活体检测系统，提高下游人脸识别系统的安全性。提出了一种基于时间一致性的简单而有效的解决方案，包括在训练阶段引入时间一致性约束的方法和开发出一个无需训练的非参数不确定性估计模块，以适应各种场景的演示攻击，并且在计算复杂度 - CVPR人脸防照片攻击的深度空间梯度与时间深度学习
本论文提出了一种使用多帧和深度学习方法进行面部防欺骗的新方法，通过 Residual Spatial Gradient Block 和 Spatio-Temporal Propagation Module 等技术实现了优秀的检测性能，在多个 - AAAI学习零样本和少样本人脸防欺诈的元模型
通过元学习，提出了一种新的方法 —— 自适应内部更新元人脸反欺诈方法（AIM-FAS），来解决面部防欺诈中的零样本和小样本学习问题，并在零样本反欺诈测试中表现出了优异的性能。