该文综述人脸反欺诈（FAS）领域研究，聚焦模型在跨域和未知攻击下的泛化能力。主要方法包括：基于Transformer特征提取与合成未知攻击样本的DGUA-FAS、基于异常检测学习欺骗线索的框架、特征生成与假设验证框架、实例感知域泛化方法、基于密集人脸标记的几何感知交互网络GAIN、样式特征抽取与重组的混洗样式组装网络、双阶段解缠表示学习、使跨域真伪过渡轨迹一致的SA-FAS，以及规范化选择的适应性表示学习框架。实验均优于现有技术。

本文提出了一种新的动态评估方法，用于检测深度伪造语音攻击。实验证明，该方法在检测未知攻击方面具有优势，并在几个基准方法上取得了显著改进。