《表2 物理空间的可视数据身份识别攻击实验概况》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于可视数据的可信身份识别和认证方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

关于人脸活体伪造检测的公开数据集较多，在参考文献[52，102]中对现有的人脸活体检测数据库进行了很好的总结，本文不再赘述。值得关注的是，人脸活体伪造与检测数据库搜集和实验评估设置逐渐侧重于增加人脸活体伪造的规模、类型以及应对未知攻击类型的泛化能力3个方面。特别是提高模型的泛化能力，可以有助于人脸活体检测技术更快更好地投入实际应用当中。例如，中国科学院计算技术研究所韩琥团队提出对抗领域自适应的方法并进行跨数据库实验[103]，即选择一个数据库进行测试时在其他数据库上进行模型训练。参考文献[51]发布了包含13种人脸活体伪造类型的大规模数据库Siw-M，并对三维面具攻击、化妆攻击以及部分区域伪造攻击等类型进行细分，从而有助于设计和验证面对未知类型攻击的模型鲁棒性。参考文献[102]发布了包含多个种族、多种图像模态以及包括打印攻击、重放攻击和三维面具攻击在内的多种伪造类型，可以有助于提高人脸活体检测方法在跨模态、跨种族场景下的泛化能力[104]。