软件学报

作者：张帆，赵世坤，袁操，陈伟，刘小丽，赵涵捷

单位：张帆，武汉轻工大学 数学与计算机学院, 湖北 武汉 43002311,赵世坤，武汉轻工大学 数学与计算机学院, 湖北 武汉 43002302,袁操，武汉轻工大学 数学与计算机学院, 湖北 武汉 43002303,陈伟，南京邮电大学 计算机学院, 江苏 南京 21002304,刘小丽，暨南大学信息科学技术学院, 广东 广州 510632;暨南大学网络空间安全学院, 广东 广州 51063205,赵涵捷，台湾东华大学 电机工程学系, 台湾 花莲 0815371906

关键词：人脸反欺诈;呈现攻击检测;人脸识别安全;深度学习;域泛化;可解释性

基金：国家重点研发计划(2019YFB2101704);国家自然科学基金(61906140);湖北省自然科学基金(2020CFB761);武汉轻工大学科研项目(2021Y38)

当前,人脸识别理论和技术取得了巨大的成功,被广泛应用于政府、金融和军事等关键领域.与其他信息系统类似,人脸识别系统也面临着各类安全问题,其中,人脸欺诈(face spoofing,FS)是最主要的安全问题之一.所谓的人脸欺诈,是指攻击者采用打印照片、视频回放和3D面具等攻击方式,诱骗人脸识别系统做出错误判断,因而是人脸识别系统所必须解决的关键问题.对人脸反欺诈(face anti-spoofing,FAS)的最新进展进行研究:首先,概述了FAS的基本概念;其次,介绍了当前FAS所面临的主要科学问题以及主要的解决方法及其优缺点;在此基础上,将已有的FAS工作分为传统方法和深度学习方法两大类,并分别进行详细论述;接着,针对基于深度学习的FAS域泛化和可解释性问题,从理论和实践的角度进行说明;然后,介绍了FAS研究所使用的典型数据集及其特点,并给出了FAS算法的评估标准和实验对比结果;最后,总结了FAS未来的研究方向并对发展趋势进行展望.

来源：2022年第7期

《软件学报》期刊编辑部

查看软件学报杂志2022年第7期