人脸认证广泛保护个人信息系统和电子支付,因其具有无需记忆的优点,人脸认证成为一种有前景的方案,用于替代口令认证。然而,人脸认证受哄骗攻击威胁。哄骗攻击是指敌手使用受害者的人脸照片或者视频骗过认证系统。在人脸研究广泛应用到现实生活中,比如建设银行的刷脸登录,支付宝的刷脸支付,人脸打卡,都是以人脸为基础的研究。国内外知名公司,例如谷歌,微软,阿里,科大讯飞,face++等,相继在人脸上有了较高的建树,更深层次网络的搭建提高了识别率和鲁棒性,同时这些系统需要额外高性能的硬件支持。在此之前的人脸检测系统,在人脸识别时提供了较多的检测方法,但是相对于基于照片和视频攻击的手段,这样的系统有很低的安全性。相对于最新的基于虚拟人脸的攻击,很多系统依然很难抵御类似的攻击。本文提出的多因子活体检测系统,以人脸为基础,利用人机交互的方式,对人脸活性进行检测,其中人脸活体检测的方法较多,从最简单的张嘴,眨眼,摇头,甚至基于以上动作扩展的方法到现在的基于眼睛视线的实时检测,人脸表情的分析以及最新的基于人脸距离摄像机距离产生不同的关键点的变化来抵御目前威胁最大的照片、视频和3D虚拟人脸攻击。当人脸活体检测方法较多时,我们建立相对应的方法集,利用最新产生安全随机数的方法,产生的随机数实时的对方法集中的方法进行调用并向用户提出挑战,针对用户所做出的响应进行判断,从而达到活体检测的目的。其中随机的生成有较为多的方法,从随机序列,伪随机算法,到新研究的量子随机数,增强了系统的鲁棒性,而其中方法的不断扩增,所产生的选择更多,这样系统的随机性更强,相对于照片,视频,3D人脸攻击有较强的抵御性。本文设计安全的、鲁棒的、实用的多因子活体检测系统来抵抗哄骗攻击,并满足多种平台的需求,尤其是移动终端平台。通过基于挑战—响应的活体检测方法,实现易于移植,能抵抗视频和3D人脸攻击的人脸活体检测系统,在性能不断优越的终端设备上,强大的计算能力,和快速反馈使得人机交互更加便捷,系统的完备性更好,更适于不断发展的终端设备。