该论文针对低地球轨道（LEO）卫星互联网面临的安全威胁，特别是卫星冒充和信号欺骗问题，提出并构建了一个真实的基准数据集 IriSig-Spoof。LEO 卫星通信已成为关键基础设施，但其开放无线链路易受攻击。射频指纹（RFF）技术通过利用发射机硬件 imperfections 在接收信号中的表现来提供潜在防御，然而现有卫星 RFF 方法的可靠性难以评估，原因是缺乏支持时间、开放集和跨场景评估的统一数据集与基准。IriSig-Spoof 数据集包含从 66 颗卫星在 32 天内收集的 517 万条真实 Iridium 消息，以及通过软件定义无线电（SDR）在室内和室外环境中生成的欺骗信号。论文建立了三个基准任务：时间鲁棒性评估、带未知信号拒绝的开放集 RFF 识别、跨场景欺骗检测。实验采用多尺度注意力卷积神经网络（MACNN），结果显示时间鲁棒性在不同配置下有所差异，最佳配置达到 97.75% 的平均跨日准确率；开放集评估中 MACNN 的 AUROC 达到 0.9715，但有效的未知信号拒绝并不必然保证可靠的身份分配；跨场景实验揭示了低误报率下的差异。IriSig-Spoof 为评估时间变化和攻击条件变化下鲁棒 RFF 方法提供了可复现的基础。该研究是首个针对真实卫星 RFF 的综合性开放基准，对卫星安全、信号认证和物理层安全研究具有重要价值。适合卫星通信安全研究者、物理层安全工程师以及关注射频指纹识别和欺骗检测的学术人员阅读。

本文针对人脸识别系统中两个常见但通常被分开研究的失败模式：欺骗攻击（攻击者使用授权用户的照片或视频冒充）和伪装（合法用户因配饰、胡须、光照或姿态变化导致外观与注册模板不匹配而被拒绝）。作者提出并比较了五种结合特征提取与分类的流水线，在统一框架下同时处理这两种问题。五种方法分别是：PM（主成分分析+最小欧氏距离）、LPM（局部二值模式+PCA+MED）、HPM（方向梯度直方图+PCA+MED）、SM（加速鲁棒特征+MED）和HM（Harris角点特征+MED）。每种流水线都遵循两阶段流程：预处理、特征提取、特征过滤和分类。实验使用了来自FEI、伪装人脸数据库和NUAA数据库的115个受试者，在六种测试条件下评估，涵盖混合外观、正面人脸、暗光照、左右转向姿态和照片欺骗尝试。结果显示，基于HOG的HPM在所有条件下表现最一致，在混合外观伪装下准确率94.59%，在不同姿态和光照下为81.5%-93.2%，欺骗检测准确率91.67%；而基于LBP的LPM在欺骗检测上排名第二（93.2%），仅次于PM（96.67%），但对姿态变化鲁棒性较弱。这些结果揭示了经典特征表示在欺骗敏感性和伪装鲁棒性之间存在可衡量的权衡，作者在结论部分讨论了深度学习和跨数据库扩展方向。适合计算机视觉、人脸识别安全和生物特征认证领域的研究人员阅读。