该研究提出了一种对抗性遮罩对比学习（AMCL）方法，通过生成具有挑战性的样本来训练更强大的对比学习模型，以解决指静脉特征提取中训练样本不足的问题。实验结果表明，该方法在脉络识别的准确率方面优于现有的对比学习方法，达到了最新的识别结果。