人脸识别是一种方便、自然且高精度的生物特征识别技术，一直是模式识别和计算机视觉领域的研究热点。近年来，人脸识别无论在技术上还是应用上均取得了重大进展。人脸识别技术的不断成熟得益于数十年间研究人员对人脸特征提取技术和机器学习方法的不断推进。
早在20世纪90年代初，随着特征脸方法的引入，关于人脸识别技术的研究便开始流行。在21世纪初，基于局部特征如Gabor和局部二值模式的人脸识别技术开始进入商用。随着深度学习 在大规模目标分类图像数据集取得突破性成功，研究人员将之应用于人脸识别。
在随后几年里，研究人员提出了各种基于深度神经网络的人脸识别方法，并在复杂的人脸识别数据集上取得了较高的识别精度，在某些任务上甚至超越了人类识别水平。如今，人脸识别技术在人们的日常生活中得到了广泛的应用，如手机解锁、账户验证、门禁系统、金融支付和公安追逃等，给智慧城市和平安城市建设提供了重要支撑。
然而，现有的人脸识别系统仍存在诸多安全隐患。由于人脸信息的易获取性，冒名顶替者可以简单地通过呈现合法用户的面部伪装来骗过人脸识别系统，该行为称为人脸欺诈攻击或者人脸伪装。人脸伪装技术严重威胁到人脸识别技术的安全性和可信度，不仅给用户的财产和隐私造成巨大的安全隐患，还给公共安全管理带来较大挑战。
常见的人脸欺诈攻击方式包括打印人脸照片、屏幕播放人脸和戴3维面具等。经过巧妙设计，这些攻击方式不仅能提供逼真的人脸纹理，还能提供3维结构信息和动态信息，甚至能虚实结合，具有较高欺诈性。近年来，人脸识别系统对上述人脸欺诈攻击的脆弱性已经越来越多地得到了学术界和工业界的重视。研发具有反欺诈攻击能力的安全可信人脸识别系统是十分必要的。
人脸反欺诈亦称呈现攻击检测或者人脸活体检测，顾名思义，这是一种检测或验证待识别对象是真正人脸还是伪造人脸的技术。随着人脸识别技术在社会生产生活各行各业中越来越广泛的应用，为了保障人脸识别系统的安全性，发展人脸欺诈检测技术十分必要且迫切。研究人员已提出了大量相关技术，并有部分技术已经进入实际应用。
近年来，一些研究者发表了人脸反伪装技术的综述论文。但是已有论文一般都针对其中某一类型技术进行总结或者涉及更大技术范围而非聚焦于人脸活体验证。譬如，仅对基于传统手工特征的人脸活体验证方法进行了总结；
对生物特征识别系统中的人脸、指纹、虹膜和手写签名等的活体检测方法进行了总结，由于其涵盖范围较广，对人脸活体验证技术的总结比较宏观；侧重对面向3D面具攻击的人脸活体验证技术进行总结；侧重对基于卷积神经网络的人脸和虹膜活体验证研究进行总结；对生物特征识别近年来的发展做出了一个全面的总结，其中对人脸活体验证技术只做了篇幅有限的大体介绍；对人脸活体检测方法的综述侧重于算法层面且内容偏少。
数据堂自制版权的系列数据集产品为“活体检测”这一技术路径的实现提供了强有力的支持。
1,056人活体检测数据
该数据采集场景包括室内和室外。数据涵盖男性女性，年龄分布为少年到老人，以中青年为主 。数据包括多姿态、多表情、多对抗样本。1,056人活体检测数据可用于刷脸支付、远程身份验证、手机刷脸解锁等任务。
不同于先前的综述研究，从人脸反欺诈公开数据集、硬件、算法、业界应用与行业标准等方面力争对人脸欺诈检测的整个研究和应用体系进行系统论述，归纳总结已有的技术与应用进展，并讨论未来的研究挑战。
