本文提出了一种新方法，通过深度神经网络生成可转移的对抗样本，显著提高攻击成功率。同时介绍了名为AFA的对抗性训练方法，以平衡深度学习模型的鲁棒性与准确性。此外，基于离散余弦变换的频率对抗攻击方法有效欺骗面部伪造检测器，增强了检测器的可靠性。