本文提出了一种可解释的面部特征提取算法，用于检测真实和变形图像，并开发了一个图形用户界面来协助边境警卫人员调查涉嫌的图像。通过训练随机森林分类器，使用三种基于地标点和基于 StyleGAN 的变形方法，以及离散余弦变换和 BSIF 方法进行变形攻击检测。

本文提出了一种可解释的面部特征提取算法，用于单一变形攻击检测。该方法基于原始图像、形状、纹理、频率和压缩。在三种基于地标点的人脸变形方法和基于 StyleGAN 的变形方法上进行随机森林分类器的训练，其中 FRLL 数据库提供了变形图像。用于变形攻击检测，离散余弦变换方法在合成图像上获得了最佳结果，基于地标点的图像特征使用 BSIF 进行检测。

本文提出了一种可解释的面部特征提取算法，用于单一变形攻击检测。该方法基于原始图像、形状、纹理、频率和压缩。在三种基于地标点的人脸变形方法和基于 StyleGAN 的变形方法上进行随机森林分类器的训练，其中 FRLL 数据库提供了变形图像。用于变形攻击检测，离散余弦变换方法在合成图像上获得了最佳结果，基于地标点的图像特征使用 BSIF 进行检测。

本文提出了一种可解释的面部特征提取算法，用于单一变形攻击检测。该方法基于原始图像、形状、纹理、频率和压缩。在三种基于地标点的人脸变形方法和基于 StyleGAN 的变形方法上进行随机森林分类器的训练，其中 FRLL 数据库提供了变形图像。用于变形攻击检测，离散余弦变换方法在合成图像上获得了最佳结果，基于地标点的图像特征使用 BSIF 进行检测。

本文提出了一种可解释的面部特征提取算法，用于检测真实和变形图像，用于单一变形攻击检测。该方法基于原始图像、形状、纹理、频率和压缩。通过训练随机森林分类器，使用三种基于地标点的人脸变形方法和基于 StyleGAN 的变形方法，来检测变形攻击。离散余弦变换方法在合成图像上获得了最佳结果，基于地标点的图像特征使用 BSIF 进行检测。

本文提出了一种可解释的面部特征提取算法，用于检测真实和变形图像，用于单一变形攻击检测。该方法基于原始图像、形状、纹理、频率和压缩。通过训练随机森林分类器，使用三种基于地标点的人脸变形方法和基于 StyleGAN 的变形方法，来检测变形攻击。离散余弦变换方法在合成图像上获得了最佳结果，基于地标点的图像特征使用 BSIF 进行检测。

本文提出了一种可解释的面部特征提取算法，用于检测真实和变形图像，并开发了一个图形用户界面来协助边境警卫人员调查涉嫌的图像。通过训练随机森林分类器，使用不同的人脸变形方法和基于 StyleGAN 的变形方法，以及离散余弦变换方法和基于地标点的图像特征使用 BSIF 进行检测，实现了变形攻击检测。