[20.07] STDN

Z. Yuan

Dosaid maintainer, Full-Stack AI Engineer

偽裝的痕跡

On Disentangling Spoof Trace for Generic Face Anti-Spoofing

---

模型告訴我們，這是假的。但是它卻說不出為什麼。

這種模型，你敢信？

定義問題

Face Anti-Spoofing（FAS）作為生物辨識系統的第一道防線，其研究歷史已有十餘年。

從早期的眼動偵測、頭部微動，到近年的 CNN 判別器與深度監督學習，模型的準確率看似越來越高。但在面對未知攻擊手法、不同裝置與光源條件下，泛化能力卻還是一道難以逾越的牆。

問題並不在於模型是否能「學會分辨真假」，而是它究竟學會了什麼？

它真的有看到假象本身的痕跡嗎？

還是說，它只學會了在某種資料集上區分解析度、色彩飽和度或裁切位置？

尤其當我們將不同攻擊方式（照片、螢幕、面具、化妝）一視同仁，嘗試建立通用的 FAS 系統時，我們才真正意識到：現有方法多數依賴「黑箱判斷」：給定一張臉，輸出一個分數。

但這樣的分數，無法說明模型是根據什麼做出的選擇。事實上，我們連讓模型說出「這是假的」的理由都做不到。

也因此，人們難以信任模型的決策，也無法推進它的訓練策略。因為我們無法觀察模型的判斷依據，我們就無法真正理解它與假象之間的邊界。

這篇論文的作者說：我們不要再問模型真假了，我們應該要問的是：

在這張臉上，你看到了什麼，讓你覺得它不是活的？

解決問題

在傳統二分類任務中，模型給出的是一個「真假分數」，但它無法回答：你到底看出了什麼？

作者在此提出了另外一種思路，稱為 Spoof Trace Disentanglement Network（STDN）。

設計概念如上圖，模型先從一張輸入人臉中，抽取出潛藏的「假痕跡（spoof trace）」，再進行：

• 重建（Reconstructed Live）：將假臉還原為活體版本。
• 合成（Synthesized Spoof）：將假痕跡轉嫁到另一張真臉上，製造新的攻擊樣本。

這種方式使 spoof trace 不再是隱性的判斷依據，而是顯性的、可操控的可視變數，成為整個系統的中樞訊號。

提示

這篇論文的方法論略為複雜，包含了多個模組與步驟。讀者可能需要多點耐心，才能理解作者的設計邏輯。

Spoof Trace

設輸入影像為 $I \in \mathbb{R}^{N \times N \times 3}$，其所屬可能為 spoof 域 $\mathcal{S}$ 或 live 域 $\mathcal{L}$。

目標是找到對應於 live 域的影像 $\hat{I} \in \mathcal{L}$，並使兩者之間的差異最小：

$$\hat{I} = \arg\min_{\hat{I} \in \mathcal{L}} \| I - \hat{I} \|_F$$

此處 $| \cdot |_F$ 表示 Frobenius norm。

根據定義，spoof trace 可表示為：

$$G(I) = I - \hat{I}$$

若 $I$ 本身來自 live 域，則理論上 $G(I)$ 應該為零，而對 spoof 圖像而言，$G(I)$ 即為其視覺上的偽造殘差。

為了提升 spoof trace 的解釋力與合成能力，作者依據過去的研究文獻將其進一步拆解為以下四種層次成分：

• Color range bias：$s \in \mathbb{R}^{1 \times 1 \times 3}$，控制像素強度範圍的調整；
• Color balance bias：$b \in \mathbb{R}^{1 \times 1 \times 3}$，調整通道間顏色平衡；
• Smooth content pattern：$C \in \mathbb{R}^{L \times L \times 3}$，平滑紋理，需上採樣；
• High-frequency texture：$T \in \mathbb{R}^{N \times N \times 3}$，包含摩爾紋與邊緣輪廓等細節。

這些元素共同構成 spoof trace 的建構函數：

$$G(I) = sI + b + \lfloor C \rceil_N + T$$

其中 $\lfloor C \rceil$ 表示將 $C$ 上採樣（resizing）至與 $I$ 相同的空間解析度。

透過上述定義，STDN 將 spoof trace 從隱性的分類依據轉化為顯性的中介變數，使模型不僅能區分真假，還能指出「假在哪裡」。

這樣的建模帶來三個核心優勢：

1. 可視化與可解釋性：模型輸出 spoof trace，可作為判斷依據的可視證據；
2. 合成與資料擴增能力：trace 可套用於其他影像以生成 spoof 範例；
3. 泛化能力提升：避免模型依賴非 spoof 本質的因素如光照、背景等。

提示

最主要的目的是要把 spoof trace 在於送進 GAN 模型進行合成，讓模型能夠學會如何生成 spoof 圖像。

解耦生成

STDN 中的 spoof trace 解耦，是透過一組基於 Encoder–Decoder 架構的生成器所實現，其任務是從輸入影像中逐層析出 spoof trace 的各項構成分量 $\{s, b, C, T\}$。

其架構參考上圖，輸入影像 $I \in \mathbb{R}^{256 \times 256 \times 3}$ 首先進入 Encoder，經過一系列卷積層進行逐層下採樣，最終產生一個潛在表示張量：

$$F \in \mathbb{R}^{32 \times 32 \times 96}$$

該潛在特徵將成為 Decoder 解耦 spoof trace 的基礎。

Decoder 則透過一系列轉置卷積層（Transpose Conv）逐層上採樣，並依據不同空間解析度，逐步生成 spoof trace 的各元素：

• 顏色偏移項 $s, b$：為全圖單一值張量，解析度最低，因此於 Decoder 最初階段即被解耦。
• 低頻紋理 $C$：在中層解碼階段產生，解析度約為 $64 \times 64$，再經上採樣應用於合成過程。
• 高頻紋理 $T$：於 Decoder 最末層輸出，保持與輸入影像相同解析度 $256 \times 256$。

這種 coarse-to-fine 解耦設計，配合每層 spoof 特徵的空間性質，使得整體 spoof trace 表徵具備清晰的語義分離性與生成對應性。

此外，為保留高頻細節並提升合成品質，生成器亦參考 U-Net 架構，在 Encoder 與 Decoder 對應層之間加入 skip connection，實現局部紋理資訊的直接傳遞。

雙域輸入策略

有別於典型的 GAN 模型僅對 source domain（如 spoof）進行生成訓練，本方法中生成器接受來自兩個 domain 的輸入影像：

• spoof domain：提供正樣本 trace；
• live domain：提供對照，並期望其 spoof trace 近似零。

這樣的設計促進模型從活體與偽造影像中學習辨別性強、語義清晰的 spoof trace，並避免 trace 本身對分類造成偏移。

然而，由於 spoof trace 的強度與型態會依 spoof 類型（如照片、面具、化妝）有所不同，trace 本身並非完美的分類依據。因此，作者額外引入一個 Early Spoof Regressor（ESR），強化生成器在潛在空間中的判別能力。

Early Spoof Regressor

ESR 模組設計如下：

• 輸入為 bottleneck 特徵張量 $F \in \mathbb{R}^{32 \times 32 \times 96}$；
• 輸出為一張 spoof probability map $M \in \mathbb{R}^{16 \times 16}$，其值域為 1，分別對應 live 與 spoof。

這張 spoof map 被視為對輸入影像的「空間性判斷」，使得生成器不僅生成 trace，亦能進行初步分類。

為配合此設計，整體生成器在架構上採取「重 encoder、輕 decoder」策略，即 encoder 採用更多 channel 與 deeper block，讓 ESR 得以充分利用編碼器所學之 spoof 表徵。

測試階段之分類策略

在測試階段，最終的 spoof 分數由兩部分組成：

1. ESR 輸出之 spoof map $M$ 的 L1 強度平均；
2. Spoof trace $G(I)$ 的整體強度平均（以 L1 範數衡量）；

其計算公式如下：

$$\text{score} = \frac{1}{2K^2} \| M \|_1 + \frac{\alpha_0}{2N^2} \| G(I) \|_1$$

其中：

• $K = 16$：ESR 輸出 map 的空間解析度；
• $N = 256$：輸入影像之空間解析度；
• $\alpha_0$：調節 spoof trace 對最終分數的影響程度的超參數。

這種雙指標融合的分類策略，有助於提升模型對 spoof 強弱程度的敏感性，亦能在 spoof trace 與 ESR 判斷產生差異時提供緩衝區間。

重建與合成

在完成 spoof trace 解耦後，STDN 不僅能用於分類判斷，亦能將這些 trace 作為結構性的訊號，導入於兩類任務：

1. 重建（Reconstruction）：從 spoof 影像中扣除 trace，還原其對應之活體影像。
2. 合成（Synthesis）：將某張 spoof 影像中抽離出的 trace，轉移至任意 live 臉上，產生合成的 spoof 攻擊樣本。

首先看活體影像重建任務：

給定輸入影像 $I \in \mathcal{S} \cup \mathcal{L}$，其對應 spoof trace 為 $G(I)$，STDN 可透過以下運算進行活體還原：

$$\hat{I} = I - G(I)$$

此處的 $\hat{I}$ 被視為輸入影像在活體域 $\mathcal{L}$ 的最小變化對應版本。

此操作不僅能作為 trace 解耦品質之視覺評估依據，更能在訓練過程中用以增強 spoof trace 的可逆性與語義一致性。

另外是偽造影像合成到部份：

為了實現資料擴充與 spoof 多樣性模擬，STDN 提供了將 spoof trace 遷移至另一張 live 臉的能力。設有兩張影像：

• $I_i$：來源 spoof 影像，其 trace 為 $G(I_i)$
• $I_j$：目標 live 影像

則其合成 spoof 影像可表達為：

$$\tilde{I}_{i \rightarrow j} = I_j + G(I_i)$$

提示

這裡讓我們想到近年在 LLM 領域中流行的 Model Merging 的技術，也是把附加上原始模型上的不同功能視為一組「向量」參數，然後進行任意的加減法，來達到擴充模型的效果。

如果我們把特定型態攻擊的 「spoof trace」 也視為一組向量參數，然後進行加減法的話，那我們或許就能透過組合這些向量，來讓模型學會應對不同的攻擊型態。

但此處存在一項挑戰：spoof trace 中可能包含與原始臉部幾何結構高度相關的區域性紋理（如面具邊緣、皺褶等），直接套用於不同臉型與姿勢的影像上，會造成明顯的幾何失真與視覺不一致。

為解決此問題，作者提出一套可微分的 即時 3D 幾何扭曲層（Online 3D Warping Layer），用以對 spoof trace 進行對位調整。

幾何扭曲層

該模組基於 3D Morphable Model（3DMM）建立臉部對應點集合，並透過 Delaunay triangulation 進行稀疏到密集場的幾何轉換。

步驟如下：

1. spoof trace 評估 對來源影像 $I_i$，其 spoof trace 定義為：

   $$G_i = G(I_i)[p_0]$$

   其中 $p_0 = \{(x, y) \mid 0 \leq x, y < 256 \} \in \mathbb{R}^{256 \times 256 \times 2}$ 為原始像素座標格。

2. 計算 dense offset 若欲將 spoof trace 應用至 $I_j$，需計算密集場偏移量 $\Delta p_{i \rightarrow j} \in \mathbb{R}^{256 \times 256 \times 2}$，最終 warped trace 表示為：

   $$G_{i \rightarrow j} = G(I_i)[p_0 + \Delta p_{i \rightarrow j}]$$

   其中偏移量通常為非整數，故採用 bilinear interpolation 實作位置對應。

3. 由稀疏點轉換至密集場 擬合每張人臉之 3DMM，並擷取 $Q = 140$ 個代表性頂點的 2D 投影位置：

   $$s = \{ (x_0, y_0), (x_1, y_1), \dots, (x_Q, y_Q) \} \in \mathbb{R}^{Q \times 2}$$

   接著可計算來源與目標影像之間的稀疏偏移：

   $$\Delta s_{i \rightarrow j} = s_j - s_i$$

4. 三角形內插轉換至 dense offset 應用 Delaunay triangulation 插值：

   $$\Delta p_{i \rightarrow j} = \text{Tri}(p_0, s_i, \Delta s_{i \rightarrow j})$$

   該操作以每個像素所處三角形為基底，線性加權三個頂點的位移，實現 dense offset 的高效建構與可微性。整體 warping 操作可端到端併入訓練流程。

操控 Spoof Trace

spoof trace 的結構性使其具備可操作性。

作者藉此提出一種訓練資料強化策略：

在合成 spoof 影像時，隨機移除 spoof trace 中的某一項元素 $s, b, C, T$，以模擬 spoof 強度較低的樣本，作為 harder example 用於訓練。

此策略的理論基礎在於：某些 spoof 特徵可能在實務應用中極為微弱或被掩蓋，若模型僅依賴單一強特徵，則會對這類樣本失效。藉由隨機移除部分 trace 元素，可迫使模型學習更為多樣且全面的 spoof 表徵。

相較於傳統的 brightness/blur 操作或人為扭曲，本方法可直接操控語義明確的 spoof element，生成更真實、具結構意涵的合成資料，並在實驗中顯示優於傳統資料增強法的效益。

多尺度判別器

在 STDN 的設計中，生成器的目標不僅是產出合理的 spoof trace，更需保證由 trace 推導出的合成樣本（reconstructed live 或 synthesized spoof）在視覺品質與語義層次上皆具可信度。

為此，作者設計了三個不同解析度下的 PatchGAN 判別器，以涵蓋從高頻紋理到全局構型的多尺度資訊。

所使用的三個判別器分別為：

• $D_1$：接收原始解析度影像（$256 \times 256$），專注於高頻紋理特徵（對應 spoof trace 中的 $T$）。
• $D_2$：接收下採樣一半的影像（$128 \times 128$），強調中頻結構與平滑紋理（對應 spoof trace 中的 $C$）。
• $D_3$：接收下採樣四分之一的影像（$64 \times 64$），專注於低頻全域偏移與色彩平衡（對應 spoof trace 中的 $s, b$）。

這種分層辨識策略可有效提升模型對於 spoof trace 四個子成分的整體一致性與交叉校驗能力，形成解耦 → 重建 → 合成 → 判別的完整循環。

判別器架構細節如下：

每一個 $D_k$ 判別器皆採用 PatchGAN 結構，即純粹由卷積層堆疊而成的 FCN。該架構已被證實在圖像生成與 FAS 任務中均具備良好性能。

具體配置如下：

• 每個判別器包含：

  • 7 層卷積層（含非線性激活與 BatchNorm）；
  • 3 層下採樣操作（stride = 2）；

• 輸出為一張 2-channel 的 response map，形狀為 $H' \times W' \times 2$，每個位置對應一個判別 patch，2 個 channel 各代表對應一個 domain 的輸出信心分數。

這裡的 2-channel 輸出設計別具意義：

• 第一通道（Channel 1）：將「重建之 live 影像（reconstructed live）」與「真實 live 影像」進行對比，驗證 spoof trace 扣除後的真實性；
• 第二通道（Channel 2）：將「合成之 spoof 影像（synthesized spoof）」與「真實 spoof 影像」進行對比，評估 spoof trace 添加後的可信度與攻擊性。

這種雙向監督能同時驅動生成器在「還原」與「造假」兩端提升品質，並強化 spoof trace 的語義一致性與重建可逆性。

損失函數

STDN 的訓練採用多任務學習架構，包含 五類損失函數 與 三個訓練步驟（Steps），以協同驅動生成器與多尺度判別器學習 spoof trace 的分離、可逆性與可視性。

• 1. ESR 損失（Early Spoof Regressor Loss）

  對於 ESR 所輸出的 spoof map $M \in \mathbb{R}^{16 \times 16}$，期望其對於活體影像輸出全為 0，對於 spoof 影像（包括合成的 spoof）輸出全為 1。為此，採用 L1 損失定義如下：

  $$\mathcal{L}_{\text{ESR}} = \frac{1}{K^2} \left( \mathbb{E}_{i \sim \mathcal{L}} \left[ \| M_i \|_1 \right] + \mathbb{E}_{i \sim \mathcal{S} \cup \hat{\mathcal{S}}} \left[ \| M_i - \mathbf{1} \|_1 \right] \right)$$

  其中：

  • $K = 16$：spoof map 的解析度；
  • $\hat{\mathcal{S}}$：由生成器合成出的 spoof domain；
  • $\| \cdot \|_1$：L1 向量範數。

  ---

• 2. 生成器對抗損失（Generator Adversarial Loss）

  為訓練生成器使 reconstructed live 與 synthesized spoof 分別逼近其所屬真實 domain，採用 Least Squares GAN（LSGAN）損失形式，對於三個尺度的判別器 $D_n$，其損失定義如下：

  $$\mathcal{L}_G = \sum_{n=1}^3 \left\{ \mathbb{E}_{i \sim \mathcal{S}} \left[ \left( D_n^{(1)}(I_i - G_i) - 1 \right)^2 \right] + \mathbb{E}_{i \sim \mathcal{L}, j \sim \mathcal{S}} \left[ \left( D_n^{(2)}(I_i + G_{j \rightarrow i}) - 1 \right)^2 \right] \right\}$$

  其中：

  • $D_n^{(1)}$：第 $n$ 個判別器之 live domain 輸出通道；
  • $D_n^{(2)}$：第 $n$ 個判別器之 spoof domain 輸出通道。

  ---

• 3. 判別器對抗損失（Discriminator Adversarial Loss）

  判別器需正確分辨真實樣本與由生成器合成之樣本，其損失函數如下：

  $$\mathcal{L}_D = \sum_{n=1}^3 \Big\{ \mathbb{E}_{i \sim \mathcal{L}} \left[ \left( D_n^{(1)}(I_i) - 1 \right)^2 \right] +$$ $$\mathbb{E}_{i \sim \mathcal{S}} \left[ \left( D_n^{(2)}(I_i) - 1 \right)^2 \right] + \mathbb{E}_{i \sim \mathcal{S}} \left[ \left( D_n^{(1)}(I_i - G_i) \right)^2 \right] +$$ $$\mathbb{E}_{i \sim \mathcal{L}, j \sim \mathcal{S}} \left[ \left( D_n^{(2)}(I_i + G_{j \rightarrow i}) \right)^2 \right] \Big\}$$

• 4. Trace 正規化損失（Trace Regularizer Loss）

  為強化 spoof trace 的語義性並抑制活體樣本中無意義的 trace 殘留，加入 L2 正規化項：

  $$\mathcal{L}_R = \beta \cdot \mathbb{E}_{i \sim \mathcal{L}} \left[ \| G(I_i) \|_2^2 \right] + \mathbb{E}_{i \sim \mathcal{S}} \left[ \| G(I_i) \|_2^2 \right]$$

  其中 $\beta > 1$ 控制活體 trace 壓縮力度。

• 5. 像素級監督損失（Supervised Pixel Loss）

  由於合成 spoof 具有明確的 spoof trace 來源，因此可對生成器進行像素級監督學習。為避免誤導梯度，使用 stop-gradient 操作鎖定參考 trace：

  $$\mathcal{L}_P = \mathbb{E}_{i \sim \mathcal{L}, j \sim \mathcal{S}} \left[ \left\| G\left( I_i + \text{stop\_grad}(G_{j \rightarrow i}) \right) - \text{stop\_grad}(G_{j \rightarrow i}) \right\|_1 \right]$$

  該損失可迫使生成器學會正確提取 spoof trace 結構，而非重複學習輸入內容。

訓練流程設計

如上圖所示，STDN 的訓練採用多任務協同優化機制，每一個 mini-batch 包含三個互補的子步驟，分別針對生成器、判別器與 trace 解耦 supervision 進行參數更新。

以下為各階段細節說明：

• 1. Generator Step

  在此步驟中，將活體人臉 $I_{\text{live}}$ 與 spoof 攻擊樣本 $I_{\text{spoof}}$ 輸入生成器進行 spoof trace 的解耦操作。模型分別進行兩項生成任務：

  • 重建活體影像：使用 $G(I_{\text{spoof}})$ 還原其對應的活體版本 $\hat{I}_{\text{live}} = I_{\text{spoof}} - G(I_{\text{spoof}})$；
  • 合成 spoof 影像：將 spoof trace $G(I_{\text{spoof}})$ 套用至另一張 live 臉 $I_{\text{live}}$ 上，得到合成 spoof 影像 $\hat{I}_{\text{spoof}} = I_{\text{live}} + G_{i \rightarrow j}$。

  生成器的更新目標由三項損失組成：

  • $\mathcal{L}_G$：對抗損失（推進合成樣本逼近真實 domain）；
  • $\mathcal{L}_{\text{ESR}}$：早期 spoof 判別監督；
  • $\mathcal{L}_R$：trace 強度正則化。

  總損失如下：

  $$\mathcal{L}_{\text{G-step}} = \alpha_1 \mathcal{L}_G + \alpha_2 \mathcal{L}_{\text{ESR}} + \alpha_3 \mathcal{L}_R$$

• 2. Discriminator Step

  接續使用同一批次樣本，將下列影像傳入三個多尺度判別器 $D_n$，以學習區分真實與合成 domain：

  • 原始活體樣本 $I_{\text{live}}$
  • 原始 spoof 樣本 $I_{\text{spoof}}$
  • 重建樣本 $\hat{I}_{\text{live}}$
  • 合成 spoof $\hat{I}_{\text{spoof}}$

  每一個尺度的判別器都需學習：

  • 在第一通道 $D_n^{(1)}$ 中判別真實 live vs. 重建 live；
  • 在第二通道 $D_n^{(2)}$ 中判別真實 spoof vs. 合成 spoof。

  判別器之對抗損失定義為：

  $$\mathcal{L}_{\text{D-step}} = \mathcal{L}_D$$

  由於對抗訓練易產生不穩定性，此步驟的學習率會設定為其他步驟的一半，以平衡梯度強度與穩定訓練過程。

• 3. Extra Supervision Step

  此階段引入 spoof trace 的「合成可監督性」，以強化生成器對 spoof trace 結構的正確辨識與解耦能力。

  輸入資料為：

  • 原始 live 臉 $I_{\text{live}}$
  • 對應 spoof trace 合成影像 $\hat{I}_{\text{spoof}}$
  • 由來源 spoof trace 得到的「ground-truth trace」$G_{j \rightarrow i}$

  此步驟僅更新生成器參數，目標損失如下：

  • $\mathcal{L}_{\text{ESR}}$：進一步監督 spoof 判別準確度；
  • $\mathcal{L}_P$：像素級 spoof trace 解耦誤差（使用 stop-gradient 固定目標 trace）。

  綜合損失表示為：

  $$\mathcal{L}_{\text{sup-step}} = \alpha_4 \mathcal{L}_{\text{ESR}} + \alpha_5 \mathcal{L}_P$$
  提示

  為維持 Batch Normalization 的統計穩定性，此步驟會將 $I_{\text{live}}$ 與 $\hat{I}_{\text{spoof}}$ 成對輸入，以維持 batch 資料分布的均衡性。

討論

由於方法論已經佔據的大量的篇幅，我們最後挑幾個重點來進行討論。

已知攻擊偵測

從上表 (a)(b)(c) 可觀察到，STDN 在 OULU-NPU 與 SiW 的多項協定（protocol）中，均展現了與現有方法相當或更優的偵測能力，特別是在 OULU-NPU 協定 1、4 中，ACER 降幅達 30% 與 32%（相較最優先前方法）。

在多種印刷與重播攻擊下，STDN 的活體重建及 spoof trace 提取機制提供了穩定的判斷依據。對於 SiW-M 的 13 種攻擊類型，實驗也顯示在大多數 spoof 類型上，STDN 皆優於先前工作，證實在多樣化攻擊場景下的泛用性。

未知攻擊（Unknown Spoof）偵測

如上表所示，STDN 在未知攻擊之整體 EER 與 ACER 上，分別較原本最佳模型取得更好的表現。

雖然某些攻擊（如透明面具、紙質面具等）仍具挑戰性，但當取得少量樣本後，STDN 能藉由顯式解耦出的 spoof trace，快速鎖定關鍵區域並提升辨識效能。

這顯示透過 trace 建模，系統能在未知攻擊場景中依然保持一定的適應性。

Spoof Trace 的可視化與評估

1. Spoof Medium Classification

   

   將解耦出的 spoof trace 單獨用於偵測不同假臉媒材時，辨識精度高於直接使用原始影像，代表 trace 中確實蘊含了足以區分各種偽造材質的關鍵紋理或色彩線索。

2. 視覺化分解

   

   從上圖可以觀察到，不同攻擊類型（印刷、化妝、3D 面具、紙製攻擊等）在 $s, b, C, T$ 四層元素上呈現不同程度的扭曲或紋理殘留；模型也能將該殘留移植至其他臉上並生成可信的合成假臉，佐證 3D 幾何扭曲層的有效性與 trace 可遷移性。

模組貢獻與消融實驗

根據實驗結果顯示，整合多尺度判別器與 ESR（Early Spoof Regressor）的設計，能同時優化重建品質與對抗性，使 ACER 由 2.6% 進一步下降至 1.6%。

在所謂 ESR + D-GAN + $L_P$ 的最終配置下，合成樣本能提供強監督訊號，並避免不良 spoof 生成導致的誤差累積，使最終 ACER 可穩定到 1.1%。

結論

與其問真假，不如先問：假象從哪裡滲出？

STDN 將活體偵測從「黑盒分類」轉寫為「痕跡拆解 — 重建 — 合成」的循環，延伸了早期 de-spoofing 與顯著圖方法，使可視化證據真正成為模型的一級產物。

這不只是網路結構的調整，更是思考角度的遷移：先理解假象，再談辨識真假。

當然，STDN 還是有其弱項：

• 假痕定義鎖定在影像域，高擬真 3D 面具或跨模態攻擊尚待驗證；
• 合成樣本的幾何與質感一致性，受限於生成器能力與監督訊號；
• trace 對其他感測維度（聲波、深度、血流訊號）的延伸機制，仍屬空白。

儘管如此，STDN 提供了一條可追蹤的未來路線：

假象若能被顯式標示，就能被合成；能被合成，就有機會對抗。

在真假難辨的技術洪流中，真正有價值的，從不是單純判分，而是拆解假象的語法與結構。

這條路確實比分類曲折，但 STDN 作為多攻擊「痕跡解耦」框架的早期關鍵里程碑之一，已為後續工作奠定了基礎。