隨著人臉識(shí)別技術(shù)的發(fā)展，人臉欺詐攻擊已經(jīng)成為一項(xiàng)實(shí)際的安全問(wèn)題，人臉欺詐檢測(cè)算法用于及早發(fā)現(xiàn)該類(lèi)攻擊保護(hù)系統(tǒng)安全。文中將一種經(jīng)典域自適應(yīng)算法擴(kuò)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(cè)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(cè)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(lái)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(jìn)行像素級(jí)分類(lèi)，最后將像素級(jí)概率圖從空間上融合為幀級(jí)決策。文中在 CASIA-FASD， Replay-attack和OULU-NPU3個(gè)數(shù)據(jù)集和6個(gè)常見(jiàn)測(cè)評(píng)協(xié)議（2個(gè) CASIA-FASD與 Replay- Attack跨庫(kù)協(xié)議和4個(gè)OULU-NPU標(biāo)準(zhǔn)協(xié)議）下進(jìn)行實(shí)驗(yàn)，驗(yàn)證了算法在不同背景、不同攻擊設(shè)備、不同相機(jī)等跨堿情況下的性能。實(shí)驗(yàn)表明，基準(zhǔn)rCN人臉欺詐襝測(cè)算法已經(jīng)能夠達(dá)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(jìn)一步顯著提升性能，將錯(cuò)誤率減半（ CASIA-FASD訓(xùn)練十 Replay- Attack測(cè)試的HTER指標(biāo)從27.31%降至11.23%， Replay- Attack訓(xùn)練十 CASIA-FASD測(cè)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(shí)驗(yàn)結(jié)果驗(yàn)證了基于深度特征増廣的跨域小樣本人臉欺詐檢測(cè)算法的有效性。