本研究提出了一种可解释的面部伪造防护模型（X-FAS），解决了现有模型缺乏解释能力的问题。通过SPED方法，该模型不仅能够识别伪造面部，还能提供可靠的解释，从而增强用户信任。实验结果表明，其在可解释性方面表现优异。

研究人员提出了一种名为Selective Domain-Invariant Feature (SDIF)的新型框架，通过融合内容特征和样式来减少对面部伪造的敏感性，并使用动态特征提取模块生成具有多样样式的特征，最终使用领域分离策略来帮助区分真实和伪造的面部。实验证明该方法有效。