该论文提出了一种针对人脸识别系统的物理冒充攻击方法，名为 ImU。核心目标是让攻击者在不同拍摄条件、姿态和角度下，通过妆容实现一致且自然的外观风格变化，从而诱使人脸识别系统将攻击者错误分类为目标受害者（即内部人员）。传统物理对抗攻击往往需要夸张的图案或道具，容易引起怀疑且难以在不同照片中保持一致性。作者利用 StyleGAN 的潜空间特性，将同一物理个体在不同条件下的多张照片嵌入到潜向量，并利用这些潜向量之间的隐式相关性，搜索一组在物理上可通过化妆实现且跨图像一致的风格变化。该方法不需要攻击者拥有目标受害者的详细图像，只需从外部发起。数字环境与物理世界（真实化妆）实验均表明，攻击者能够以自然、一致的外观变化成功冒充内部人员。研究揭示了人脸识别系统在物理世界中的安全漏洞，强调仅依赖视觉特征比对的身份认证机制可能被低成本、低痕迹的妆容攻击绕过。适合人脸识别系统开发者、安全评估人员以及研究对抗攻击与物理世界安全交叉领域的研究者阅读。