身份证展示攻击检测：系统性综述
密码学与安全
2025-11-11 v1 计算机视觉与模式识别
摘要
远程身份验证是现代数字安全的必需，但仍高度易受高级展示攻击（PAs）的威胁，这类攻击利用伪造或操纵的身份证件。尽管深度学习（DL）推动了展示攻击检测（PAD）的进展，但该领域因数据匮乏以及模型在各种证件类型和新攻击方法上的泛化能力差，受到根本性限制。本文依据 PRISMA methodology 进行系统性文献综述（SLR），全面分析 2020-2025 年间基于 AI 的身份证件 PAD 研究进展。我们的分析揭示了方法学的显著演变：从标准卷积神经网络（CNN）向专用 forensic micro-artefact 分析，再到近期采用大规模基础模型（FMs），标志着该领域的重大转变。我们识别出一个核心悖论：模型在大规模私有数据集上验证的性能与在有限公开数据集（通常包含 mock-ups 或合成数据）上的评估之间存在显著“现实差距”，限制了研究结果的可重复性。此外，我们指出“合成实用性差距”：合成数据生成是应对数据稀缺的主要学术手段，却往往难以预测 forensic 实用性，导致模型对生成器痕迹过拟合而非实际攻击。本综述整合了我们的发现，识别了关键研究空白，提供权威参考框架，勾勒未来旨在开发安全、稳健且具全球泛化能力的 PAD 系统的系统性道路图。
引用
@article{arxiv.2511.06056,
title = {Identity Card Presentation Attack Detection: A Systematic Review},
author = {Esteban M. Ruiz and Juan E. Tapia and Reinel T. Soto and Christoph Busch},
journal= {arXiv preprint arXiv:2511.06056},
year = {2025}
}