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。

本文探讨了利用CNN框架和稀疏标记数据提升人脸防欺骗模型的性能，提出了face-GPAD评估框架及新数据集，以解决数据集不兼容问题。同时，研究介绍了轻量化神经网络和基于人类显著性的虹膜攻击检测方法，展示了深度学习在生物特征识别中的应用潜力。

本文提出了一种基于Transformer的虹膜恢复模型Gformer，结合生成对抗网络（GAN）预测虹膜先验，显著提升虹膜识别性能。同时，研究探讨了多种图像修复方法，包括盲目人脸修复和去噪算法，展示了其在不同任务中的优越表现。

本文提出了一种无监督深度特征传递算法，旨在提高低分辨率图像分类的性能。该方法通过预训练网络提取高低分辨率图像特征，并利用特征转移网络进行知识传递，最终训练SVM分类器。实验结果表明，该算法在交通环境中的低分辨率图像识别任务中表现显著。

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。