人脸认证系统广泛应用于门禁等安全场景，但已有研究证明其易受对抗性攻击。然而，现有攻击通常要求攻击者在每次认证时佩戴眼镜或帽子等伪装，易引起怀疑且攻击效果有限。本文提出UniID攻击，允许内鬼通过佩戴对抗性补丁注册一个“通用身份”到人脸认证数据库，随后多个攻击者无需任何伪装即可实施人脸欺骗攻击。具体地，作者首先通过特征工程选择合适的攻击者，然后采用多目标联合优化方法生成所需的对抗性补丁，最后解决实际挑战，如提高对抗性补丁在黑盒系统中的迁移性以及在物理世界中的鲁棒性。在实验室环境中，使用六个人脸识别模型（FaceNet、Mobile-FaceNet、ArcFace-18/50、MagFace-18/50）和两个商业人脸认证系统（ArcSoft、Face++）进行评估。仿真和真实世界实验结果表明，在3用户场景下，白盒设置中攻击成功率可达100%，黑盒设置中为79%，且可扩展至8个以上用户。