隨著人臉識別技術(shù)的發(fā)展，人臉欺詐攻擊已經(jīng)成為一項實際的安全問題，人臉欺詐檢測算法用于及早發(fā)現(xiàn)該類攻擊保護系統(tǒng)安全。文中將一種經(jīng)典域自適應(yīng)算法擴展到深度神經(jīng)網(wǎng)絡(luò)中，首先定義了基于深度特征増廣的域自適應(yīng)層，提出種基于深度特征増廣的跨堿小樣夲人臉欺詐檢測算法。該算法在已有的基于全卷積神經(jīng)網(wǎng)絡(luò)的人臉欺詐檢測深度神經(jīng)網(wǎng)絡(luò)的中部嵌入域自適應(yīng)層將卷積特征圖増廣，來適配源域和目標(biāo)堿的差異，隨后根據(jù)増廣后的特征圖進行像素級分類，最后將像素級概率圖從空間上融合為幀級決策。文中在 CASIA-FASD， Replay-attack和OULU-NPU3個數(shù)據(jù)集和6個常見測評協(xié)議（2個 CASIA-FASD與 Replay- Attack跨庫協(xié)議和4個OULU-NPU標(biāo)準(zhǔn)協(xié)議）下進行實驗，驗證了算法在不同背景、不同攻擊設(shè)備、不同相機等跨堿情況下的性能。實驗表明，基準(zhǔn)rCN人臉欺詐襝測算法已經(jīng)能夠達到較妤的性能，在此基礎(chǔ)上，借助小樣本目標(biāo)域數(shù)據(jù)學(xué)習(xí)域自適應(yīng)模型，可進一步顯著提升性能，將錯誤率減半（ CASIA-FASD訓(xùn)練十 Replay- Attack測試的HTER指標(biāo)從27.31%降至11.23%， Replay- Attack訓(xùn)練十 CASIA-FASD測試的HTER指標(biāo)從37.33%降至21.83%，OULU-NPU標(biāo)準(zhǔn)協(xié)議Ⅳ的ACER指標(biāo)從9.45%降至5.56%），實驗結(jié)果驗證了基于深度特征増廣的跨域小樣本人臉欺詐檢測算法的有效性。