本研究提出了一种改进的离线手写签名验证方法，结合深度卷积神经网络和多尺度特征学习网络，显著提高了验证准确度。通过自对抗无监督学习和新颖的预训练任务，成功解决了手写认证中的复杂特征问题，并在多个数据集上表现优异。

本文探讨了手写签名验证的最新进展，提出了多种基于深度学习的方法，如CycleGAN、CNN和Vision Transformer，显著提高了离线和在线签名验证的准确性。同时，研究了伪造文件图像的检测，构建了FD-VIED数据集以应对深度神经网络生成的伪造威胁。