未知攻击也能防
该框架通过平衡类别概率与不确定性来检测未知的呈现攻击，并利用语义一致性学习在跨域场景中保持已知和未知攻击的特征可分性。
Jiang, Fangling · Liu, Yunfan · Haolin, Si · Jingjing, Meng · Li, Qi
IEEE Transactions on Information Forensics and Security 2024
通过正则化证据深度学习平衡类别概率与不确定性，生成不确定性分数来检测未知的呈现攻击，而不假设攻击类型与源域相同。
熵优化驱动的语义一致性学习促使真实人脸和已知攻击特征跨域聚拢，同时让未知攻击特征根据内在语义自聚类，从而避免域偏移下的混淆。
在六个公开数据集上的广泛实验表明，该方法能在跨场景测试域中推广到不同种类和数量的已知类别和未知攻击，说明了实用性。