本文针对基于结构光深度相机的3D人脸活体检测系统，发现了一种新的攻击面——DepthFake攻击。攻击者仅凭目标受害者的一张2D照片即可欺骗3D人脸认证系统。该方法首先从2D照片估计人脸3D深度信息，然后利用该深度信息生成精心设计的散斑图案，将其投影到2D照片上，从而使2D照片具备3D认证特性。研究克服了多项实际挑战，包括2D照片深度估计误差、基于结构光的深度图像伪造、RGB图像与深度图像的人脸对齐等问题。在实验室环境中，对腾讯云、百度云、3DiVi三款商业人脸认证系统以及一款商业门禁设备进行了测试。基于50名用户的实验结果显示，DepthFake在真实世界中实现了79.4%的深度攻击成功率和59.4%的RGB-D攻击成功率。该工作揭示了当前3D活体检测技术的安全漏洞，对依赖人脸认证的门禁、支付等系统构成威胁。