近日，南华大学计算机学院教师蒋方玲在人工智能与模式识别领域顶级国际期刊IEEETransactions on Pattern Analysis and Machine Intelligence（简称IEEE TPAMI）发表了题为“Learning Knowledge-based Prompts for Robust 3D Mask Presentation Attack Detection”的学术论文。该研究提出“知识与数据双驱动”的全新范式，显著提升了三维面具呈现攻击检测的鲁棒性与可解释性，为金融安全、公共安防等实际场景中的人脸防伪提供了可靠技术支撑。

IEEE TPAMI被广泛认定为人工智能、计算机视觉等领域的权威期刊，最新影响因子达18.6，录用率约为10%，在计算机科学与工程技术类期刊中多项关键指标位居首位。

知识与数据双驱动的三维面具呈现攻击检测方法示意图

高质量的三维面具在外观与结构上高度仿真，极易被人脸识别系统误判，构成重大安全威胁。现有检测方法普遍依赖多模态图像或rPPG特征，存在多模态传感器成本高、泛化能力弱、可解释性差等局限。针对这些问题，该研究提出了一种知识与数据双驱动的检测新范式，将专家知识与因果推断融入提示学习，消除图像与文本提示间的虚假关联，生成显式、细粒度且具备上下文依赖性的因果提示，通过充分迁移视觉语言模型的通用知识来实现真实人脸与三维面具的精准鉴别。该方法仅依赖常规可见光摄像头，在多个复杂开放场景中对已知与未知三维面具攻击均取得了当前最优的检测性能，并为模型决策提供了更直观的语义解释。

该研究成果可服务于《推进科技兴警三年行动计划》等国家重大需求，为公安前沿科技能力建设提供理论支持。研究得到了国家重点研发计划和国家自然科学基金等项目的资助，体现了计算机学院在青年师资培育与科研创新方面的成效。论文合作单位包括中国科学院自动化研究所、南京大学及加州大学默塞德分校。

论文链接：https://ieeexplore.ieee.org/document/11194267

责任编辑 蔡昀霏