近日，南华大学计算机学院蒋方玲老师在IEEE Transactions 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，开创了知识与数据双驱动的三维面具呈现攻击检测新范式，为复杂开放场景人脸鉴伪提供了鲁棒且可信的技术支撑。该成果不仅可服务于金融安全、公共安防等应用，也能为公安部、科技部联合实施的《推进科技兴警三年行动计划》公安前沿科技能力建设提供重要理论保障。

IEEE TPAMI是人工智能、模式识别、图像处理和计算机视觉领域公认的顶级国际期刊，投稿接受率仅约10%，在计算机科学与人工智能领域具有权威影响力。最新数据显示，IEEE TPAMI的影响因子（Impact Factor）高达18.6，谷歌指数（H-Index）达400以上，两项指标在计算机科学和工程技术两个大类学科里均列首位。

图1 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逼真，极易被人脸识别系统误判为真实人脸。三维面具呈现攻击检测旨在区分真实人脸与仿真面具，是防范三维面具犯罪的关键技术。现有方法多依赖多模态图像或rPPG特征，深受多模态传感器成本高、泛化能力弱、可解释性差等问题的困扰。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，体现了南华大学计算机学院在青年人才培育方面的显著成效。论文合作者包括中国科学院自动化研究所研究员孙哲南、副研究员李琦、副研究员王卫宁，南京大学单彩峰教授，以及加州大学默塞德分校Ming-Hsuan Yang教授等。

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