FD-MAD：基于频域残差分析的人脸变形攻击检测
计算机视觉与模式识别
2026-01-29 v1
摘要
人脸变形攻击是面向电子身份登记和边境管控的人脸识别系统的重大威胁，尤其是在单图像变形攻击检测（S-MAD）场景下，由于没有可信参考，攻击检测系统表现有限。尽管针对该问题已有大量研究，但变形检测系统在跨数据集情景下仍难掌控。为此，我们引入一种基于区域感知的频域变形检测策略，该策略在使用轻量级方法的情况下，在具有挑战性的跨数据集和跨变形设置下显著优于强基线方法。我们观察到不同面部区域频域中，bona fide 和 morph 样本具有良好的可分离性。我们的做法 1) 引入残差频域概念，将信号的频率从自然谱衰减中解耦，以轻松区分变形和bona fide 数据；2) 进一步以全局和局部方式结合不同面部区域的证据，构建马尔可夫随机场（MRF），推断出全局一致的决策。该方法仅在合成变形攻击检测开发数据集（SMDD）上训练，在FRLL-Morph 和 MAD22 数据集上进行具有挑战性的跨数据集和跨变形测试。我们的做法在FRLL-Morph 上实现 1.85% 的平均等错误率（EER），在MAD22 上排名第二，平均 EER 为 6.12%；同时在低攻击展示错误率（APCER）下获得良好的bona fide展示分类错误率（BPCER），仅使用频谱特征。这些发现表明，Fourier 频域残差建模与结构化区域融合为深度 S-MAD 架构提供了具竞争力的替代方案。
引用
@article{arxiv.2601.20656,
title = {FD-MAD: Frequency-Domain Residual Analysis for Face Morphing Attack Detection},
author = {Diogo J. Paulo and Hugo Proença and João C. Neves},
journal= {arXiv preprint arXiv:2601.20656},
year = {2026}
}