用于开放集虹膜呈现攻击检测的视觉基础模型的系统故障分析

视觉基础模型在不同的视觉识别任务中表现出强大的可移植性，并且越来越多地考虑用于生物识别应用。它们对于虹膜呈现攻击检测（PAD）的适用性，特别是在现实的开放设置操作条件下，仍然没有得到充分的检验。这项工作使用眼周图像对开放式虹膜 PAD 的通用视觉基础模型进行了系统的故障分析。在三个开放集协议下评估了五个代表性的基础模型，这些协议明确区分了不同的分布偏移源：不可见的演示攻击仪器（PAI）、使用不同传感器捕获的不可见的数据集以及从近红外（NIR）到可见光谱（VIS）图像的跨光谱传输。使用低秩适应（LoRA）的冻结特征表示和参数高效任务适应都在统一的实验框架内进行评估。结果表明，基础模型可以在具有相似传感特性的数据集之间传输，但无法可靠地推广到看不见的攻击工具，并且在跨谱评估下急剧退化。虽然 LoRA 提高了某些跨数据集设置中的性能，但它经常会放大攻击级别和频谱变化下的故障。使用分段虹膜输入、完整主干 微调、联合跨数据集和跨 PAI 移位以及反向 VIS 到 NIR 传输的其他验证实验进一步证实，这些失败不仅仅是眼周输入、弱适应或单向光谱评估的人为因素。这些发现表明，强大的封闭集或跨数据集性能不应被视为强大的开放集安全性的证据，并强调 PAD 表示需要保持对表示伪影的敏感性，同时在实际部署变化下保持稳定。