视频会议软件Zoom与Worldcoin合作，推出实时真人验证功能，利用虹膜和深度人脸识别技术确保参会者为真实人类。通过交叉比对图像和视频帧，验证成功者将被标记，旨在打击深度伪造诈骗，未来可能成为视频通话的主流。

国家网信办强调加快网络安全标准，特别是人工智能生成内容的标识方法。专家警告虹膜照片可能导致信息泄露。欧洲刑警组织关闭27个DDoS攻击平台，微软Azure的多因素验证被破解。Meta应用遭遇大规模中断，Krispy Kreme遭网络攻击。

本研究探讨了虹膜色素对虹膜识别技术效率的影响，发现蓝色虹膜的识别准确性较高，强调了不同虹膜颜色和设备间的性能差异及优化需求。

本研究解决了在无约束条件下稳健的虹膜中心定位问题，这是我们眼动追踪平台的核心组成部分。我们采用了U-Net变体的分割和回归方法来改进虹膜中心定位，取得的结果与最新技术相当或更好，显著提高了性能，同时保持了眼动追踪平台的实时性。

本研究提出了一种利用单张人脸图像进行多重生物特征识别的方法，结合面部、虹膜、眼周、鼻子和眉毛五种特征，提升了识别性能和便利性。实验结果证明了其有效性，可能对生物特征识别领域产生重要影响。

本研究解决了眼部组件解析（瞳孔、虹膜和巩膜）在AR/VR产品中眼动追踪与注视估计中的重要性。提出了一种新颖的方法CondSeg，通过分割标签直接估计瞳孔/虹膜的椭圆参数，且无需明确标注全椭圆，同时利用眼区掩码控制估计效果的可见性。实验结果表明，该方法在分割指标上具有竞争力，并为眼动追踪提供了准确的椭圆参数。

本文介绍了一种新的方法，通过在视频层面上以度量为基础的方式来增强数据域广义化中的反欺骗性能。研究结果显示，扩大模型的骨干网络并不能改善模型的不稳定性，因此提出了一种集成骨干网络的方法，并利用不确定性测量的优势来提升模型的泛化能力。通过在多个数据集上的评估，该方法在偏差、方差、HTER和AUC等指标上超过了现有方法。

DiffBIR是一个解决盲目图像恢复问题的框架，通过预训练恢复模块提高泛化能力，利用潜在扩散模型实现逼真的图像恢复，并引入可控模块平衡质量和保真度。实验证明其在盲目图像超分辨率和盲目人脸恢复任务上优于现有方法。

本文提出了一种针对任意分辨率的虹膜识别的深度特征提取器，通过自动切换网络实现了分辨率自适应的特征提取，并应用于三个传统神经网络模型，提高了低分辨率下的识别性能。

使用基于生成对抗网络的合成虹膜图像生成技术进行全面评估，旨在为培训和测试虹膜识别系统和攻击检测器提供真实和可用的虹膜图像。该综述分析了不同模型生成的图像在真实性、唯一性和生物特征实用性方面的优缺点，以发展稳健的虹膜匹配器和攻击检测器。

通过在眼球图像上利用不同的损失函数进行细调，我们开发了一个基于像素级的虹膜分割模型，其基础模型为 Segment Anything Model (SAM)，该模型在分割任意对象方面已取得成功。在细调过程中，Focal Loss 的重要性得到了证明，因为它能够有效地解决分类不平衡问题（即虹膜与非虹膜像素之间的区别）。对 ND-IRIS-0405、CASIA-Iris-Interval-v3...

该论文介绍了一种基于几何的方法来解决真实时间凝视估计系统的挑战，通过生成准确的人脸和虹膜的三维地标，预测眼睛凝视方向，实现高精度、实时的眼睛凝视估计。

本文提出了一种全面数据驱动的方法，用于合成虹膜图像，能够表示不同瞳孔尺寸和非现有身份的虹膜图像，并在改变瞳孔尺寸时保持身份。与现有的虹膜变形模型相比，该方法在相似性和身份保持方面表现更好。

2023年的''LivDet''系列虹膜展示攻击检测（PAD）竞赛结果显示，Fraunhofer IGD算法在加权准确性方面表现最佳，北京土木工程与建筑大学的算法在每个展示攻击工具给予相等权重时获胜。虹膜PAD仍然是一个具有挑战性的问题。

2023年的LivDet系列虹膜展示攻击检测竞赛结果显示，Fraunhofer IGD算法在加权准确性方面表现最佳，北京土木工程与建筑大学的算法在每个展示攻击工具给予相等权重时获胜。虹膜PAD仍然具有挑战性。

该研究提出了一种方法，通过扰动特征层级上的表示来模仿其他类别，以实现黑盒传递目标对抗攻击。该方法在 ImageNet DNNs 中展示了优越性，成功率提高了10倍。同时，该方法还展示了在有限的黑盒模型查询情况下的扩展性。

该文介绍了一种使用深度卷积神经网络的图像超分辨率方法，通过多尺度 HR 重建实现更精确的图像恢复，为未来的研究提供了更多见解。

MENTOR是一种基于人类感知引导的虹膜展示攻击检测的预训练方法，通过学习人类显著性地图，在虹膜展示攻击检测任务中取得了显著的性能提升。该方法能够为未知虹膜展示攻击样本生成无限数量的人类样式显著性地图，提高了虹膜攻击检测模型训练的效率。本文提供源代码和权重。