DifFoundMAD：基座模型 meet 梯度形变攻击检测
计算机视觉与模式识别
2026-04-21 v1
摘要
本工作引入DifFoundMAD，一个参数高效的D-MAD框架，利用视觉基座模型（FM）的泛化能力捕捉可疑形变与活体捕获图像之间的差异。与传统D-MAD系统依赖面部识别嵌入或手工特征差异不同，DifFoundMAD遵循标准差分范式，但将底层表示空间替换为来自FM提取的嵌入。通过结合轻量级微调和类别平衡优化，该方法仅更新少量参数，同时保留底层FM的丰富表征先验。在标准D-MAD基准上进行的广泛跨数据库评估表明，DifFoundMAD在多个方面均优于前沿系统，尤其是在边境控制等 operational deployments 所需的严格安全水平：使用DifFoundMAD后，当前前沿系统报告的错误率从6.16%降至2.17%。
引用
@article{arxiv.2604.17961,
title = {DifFoundMAD: Foundation Models meet Differential Morphing Attack Detection},
author = {Lazaro J. Gonzalez-Soler and André Dörsch and Christian Rathgeb and Christoph Busch},
journal= {arXiv preprint arXiv:2604.17961},
year = {2026}
}