在人体所有生物特征中,虹膜具有极强的稳定性与区分性,故而虹膜识别系统在生活中也逐渐普及。然而,很多虹膜识别系统在抵御各类欺骗攻击时仍然无法保证十足的可靠性,从而阻碍虹膜识别在高级安全场景中的部署。因此虹膜呈现攻击检测(Presentation Attack Detection,PAD)成为生物识别技术中最需要解决的问题之一。因此提出一种基于增强型灰度图像空间的虹膜PAD方法。所提出方法主要通过空间映射的方式增强真假虹膜间纹理模糊度的差异。实验结果说明,图像空间的分析转换能够显著解决真实与各类假体虹膜在原始灰度空间中难以区分的问题,并且使检测网络可以精准判别其余未知类型的假体虹膜图像,实现虹膜PAD的最新性能,并且进一步提升了虹膜PAD方法的泛化性。近年来,3D面具的攻击模式已成为新的挑战,并且吸引了更多研究者的兴趣。同时,现有PAD算法仅专注于全局人脸的欺骗攻击,而忽略了面部精细且难以伪造的虹膜纹理信息。由于现如今制作的3D面具与真实人脸的逼真程度已非常高,显然,现有以打印、视频回放等平面人脸攻击研究的PAD算法已然不足以攻破逼真的3D面具欺骗攻击,那么,就要精准检测面部虹膜信息以攻破3D面具欺骗攻击。为此需要建立一个可检测面部精细虹膜纹理的3D面具PAD数据库。该数据库不仅使用逼真的3D面具作为主要攻击模式,且致力于精准检测面部的真假虹膜纹理信息,是首个融合多种生物特征模态的PAD数据库。然而3D面具价格昂贵,购买数量很有限,因此,还需要额外的采集变量以模拟丰富的现实场景。所提出的数据库具有10-15个被采集者和3种不同的攻击类型,还包括来自固定和移动设备的7台摄像机以及涵盖典型照明条件的6种照明设置,因此,数据库总量为(10-15)个被采集者×4种真假属性(1真+3假)×7台采集设备×6种光照类型。最终通过两类基准实验,衡量数据库图像质量。