由于计算机科学和电子技术的飞速发展，如今，在市场份额方面，人脸识别正在成为仅次于指纹的全球第二大生物特征认证方法。越来越多的制造商在他们的产品中增加了面部识别功能。例如，Apple在手机上使用面部识别技术，而银行在启动过程中使用eKYC解决方案。人脸识别研究的主要目的是提高验证和识别任务的性能。过去，关于面部识别系统的安全漏洞的研究相对较少。直到最近几年，人们才开始关注不同类型的面部识别攻击。技术包括识别面部特征是来自活着的人还是来自照片。上图显示了面部识别系统上使用的两种攻击方法。有七个模块和要点可以用作攻击目标。它们分为两种：示范攻击和间接攻击。演示攻击演示攻击是在传感器级别（1）进行的，无需访问系统内部。演示攻击与纯生物识别漏洞有关。在这些攻击中，入侵者使用某些伪像（例如照片，蒙版，合成指纹或打印的虹膜图像），并试图模仿真实用户的行为（例如步态，签名），以欺诈方式访问生物识别系统。由于“生物学特征不是秘密”，攻击者意识到暴露大量生物识别数据的事实，这些数据显示了人的脸，眼，声音和行为，因此他们可以使用这些信息资源来尝试并使用以下示例来欺骗人脸识别系统。攻击者使用要被冒充的用户照片。他们使用用户视频进行模仿。黑客可以构建和使用被攻击面孔的3D模型，例如超现实的面具。我们使用反欺骗技术来防止这些攻击。间接攻击对数据库，匹配的通信渠道和其他媒体（2-7）进行间接攻击。在这种类型的攻击中，攻击者需要访问系统内部。可以通过与“经典”网络相关的相关技术来防止间接攻击。网络安全性（而不是生物识别技术），因此我们将不在本文中讨论。如果进攻方法未实现示范攻击检测，则大多数最新的面部生物特征识别系统都容易受到攻击。通常，可以通过将目标人的照片，视频或3D遮罩呈现给相机，或者使用化妆或整形手术来欺骗面部识别系统。但是，由于高分辨率数码相机的高曝光率和低成本，使用照片和视频是最常见的攻击类型。照片攻击：在面部识别系统的传感器上显示被攻击身份的照片。视频攻击：攻击者可以在复制视频的任何设备上播放合法用户的视频，然后将其呈现给传感器/摄像机。 3D遮罩攻击：在这种类型的攻击中，攻击者构造面部的3D重建并将其呈现给传感器/相机。其他攻击：化妆，外科手术反欺骗技术。由于大多数人脸识别系统很容易受到欺骗者的攻击，因此，为了在真实场景中设计安全的人脸识别系统，从系统的初始规划开始，反欺骗技术应该是当务之急。由于面部识别系统试图区分真实用户，因此无需确定提供给传感器的生物特征样本是真实的还是假的。我们可以通过以下四种不同的方式来实现它们。传感器我们使用传感器来检测信号中的实时特征。专用硬件使用专用硬件（例如3D相机）来检测生命迹象。质询-响应方法使用质询-响应方法，其中可以通过要求用户以特定方式与系统进行交互来检测演示攻击。使用以下识别算法的微笑悲伤或快乐的面部表情头部移动算法基本上能够抵抗攻击。镜像特征投影：首先，通过描述与真实图像相对应的镜像特征空间，在此基础上学习真实数据和虚假数据的投影；然后，根据实际投影训练SVM模型，然后使用3D蒙版投影和打印的照片投影作为检测模拟反欺骗模型。深度特征融合：通过深入研究人脸图像颜色特征信息对人脸检测的重要性，深度卷积神经网络ResNet和SEnet被用于构建深度特征融合网络结构，以有效地训练相关的人脸抗水脂蛋白