本文针对基于红外成像的重放攻击检测机制，提出了一种新型的光学合成攻击方法，并设计了一种深度感知的传感器内对策。在基于摄像头的身份认证、活体检测等安全场景中，红外摄像头常被用于区分真实人体与照片或视频重放。现有检测手段多依赖光谱特性、反射模式或热图像统计特征，然而作者发现，攻击者可以通过精心设计的光学合成方式，在物理世界构造出与真实红外信号高度相似的光线分布，从而有效绕过现有的重放检测算法。为了应对这一威胁，作者进一步提出了深度感知的防御方案，即将深度信息与红外信号融合，利用真实人体在深度图上的三维几何特征与重放平面在深度上的差异进行判别。该方法在传感器层面集成，无需额外的计算开销，能够实时区分真实与重放。作者通过一系列物理实验验证了攻击的有效性与防御措施的鲁棒性。研究结果表明，单纯依赖红外光谱特征的检测机制存在严重漏洞，而深度感知策略能够显著提升抗重放能力。本文为红外摄像头安全领域的攻防研究提供了新的视角，对设计高安全性活体检测系统具有重要参考价值。适合计算机视觉、传感器安全、生物识别与对抗性攻击方向的研究人员和系统设计人员阅读。