1、靜默活體檢測技術

如果你有用過支付寶最早的刷臉登陸功能，應該有對動作活體檢測有印象，使用者需要配合提示音做幾個動作，比如眨眨眼。這種方式具有很高的安全性，但對使用者來說體驗並不是很好。

這項技術之後升級為靜默活體檢測技術，不再需要使用者刻意做動作就可以實現識別。因為真實的人臉並不是絕對靜止的，總有一些微表情存在，比如眼皮和眼球的律動、眨眼、嘴唇及其周邊面頰的伸縮等，利用這些特徵，我們完全可以避免照片、影片、面具的攻擊。

2、紅外活體檢測技術

在安防級別更高的人臉識別場合，紅外活體檢測技術更為合適。比如招行、農行都已啟用了具備刷臉取款功能的ATM機，這種ATM機上安裝了紅外攝像頭，利用紅外圖片，我們可以實現更好的防攻效果。大家都知道，不管是可見光還是紅外光，其本質都是電磁波，我們最終看到的影象長什麼樣，與材質表面的反射特性有關。真實的人臉和紙片、螢幕、面具等攻擊媒介的反射特性都是不同的，所以成像也不同，而這種差異在紅外波反射方面會更加明顯。

3、3D人臉活體檢測技術

這項檢測技術利用3D攝像頭拍攝人臉,得到相應的人臉區域的3D資料,並基於這些資料做進一步的分析, 最終判斷出這個人臉是來自活體還是非活體。具體是怎麼實現的呢？首先需要提取活體和非活體人臉區域的256個特徵點的三維資訊，並對這些點之間的幾何結構關係進行了初部的分析處理；然後再提取整個人臉區域的三維資訊，並對相應的特徵點做進一步的處理，再採用協調訓練Co-training的方法訓練了正負樣本資料，之後利用得到的分類器進行了初分類；利用以上兩個步驟所提取的特徵點進行曲面的擬合來描述三維模型特徵，然後根據曲面的曲率從深度影象中提取凸起區域，再對每個區域提取EGI特徵，最後利用其球形相關度進行再分類識別。

不可以，如果隨隨便便就能破解的了，科學家還發明這個幹什麼，找罵嗎？當然了，在光線不好的時候機器辨別度就會越低，用照片刷臉的也許可能成功，不過在一些安檢以及涉及到金錢的刷臉機就會很嚴格，即使是夜晚也有紅外線成像能夠清晰的分辨人臉。

例如支付寶會要求動動嘴巴眨眨眼睛，安檢機的刷臉系統是根據人臉立體影象，融合了計算機影象處理技術和模型識別技術的生物特徵識別技術，識別時包括了臉型，面部反光，虹膜視網膜等人體特有的特徵進行識別，只憑一張照片是很難識別成功的，瞳孔對光的反應都不一樣，話不說絕對，即使有成功的可能性，可能性也極低，大概只有百分之零點幾的機率。幾年前的公司考勤機就可以用照片代刷，不過現在越來越發達，已經從最初的二維變成了三維立體影象，照片這種二維影象已經無法適應新型刷臉機了。

下面是做了一個普通的實驗，用照片去解鎖手機，試了二十多次也沒有辦法解開，最後手機還被鎖定了，不論是從側面拍人臉,從正面拍,只拍臉還是拍半個身子的照片全都沒有辦法解開手機，所以說手機的安全性還是非常高的，一個手機解鎖都如此嚴格，其他的刷臉機器只會更嚴！所以用照片刷臉，幾乎是不可能完成的。