顔認識システムは入退室管理や決済、本人確認など幅広い場面で利用されているが、印刷写真や再生動画、3Dマスクといった提示攻撃の脅威にさらされている。提示攻撃検出（PAD）はこうした攻撃に対する重要な防御機構である。しかし、既存のPADモデルは、センサーや照明、攻撃素材の違いにより、未見のドメインへの汎化が難しいという課題を抱えている。
近年、視覚言語モデル（VLM）は高い汎化能力を示しているが、PADへの応用は限定的である。通常、プロンプト学習はクラスラベルの監督下で最適化されるため、学習されたプロンプトが攻撃に関連する細粒度の視覚的意味と明示的に整合しない。その結果、学習された表現は転移可能な攻撃手がかりではなく、ドメイン固有のアーティファクトに過学習しやすくなる。
この問題に対処するため、Haoyuan Zhang氏ら6名の著者はCPG-PADフレームワークを提案した。これはモデルレベルの概念ガイダンスをプロンプト学習プロセスに導入するものである。具体的には、視覚概念駆動強化（VCE）モジュールを設計し、説明可能AI（XAI）技術を用いてPAD関連の視覚概念を自動的に発見し、概念に対応したヒートマップを生成して局所的な細粒度ガイダンスを提供する。
これらのヒートマップに導かれ、プロンプトベース概念注入（PCI）メカニズムが、視覚プロンプトデコーダ（VPD）と概念マッピング損失を通じて概念をプロンプト空間に統合する。これにより、プロンプトがモデル内部の概念空間と整合し、CPG-PADは汎化性とドメイン不変性を備えた攻撃手がかりを捉えつつ、データセット固有のバイアスを効果的に抑制できる。
研究チームは9つのベンチマークデータセットで広範な実験を行い、マルチソース、限定ソース、単一ソースの3つのクロスドメイン設定を評価した。その結果、CPG-PADはこれらの設定で一貫して最先端のクロスドメイン性能を達成し、概念ガイド付きプロンプト学習がPADの汎化能力向上に有効であることを示した。本論文はIEEE Transactions on Information Forensics & Security（TIFS）に採録され、2026年7月1日にarXiv（arXiv:2607.01303）へ投稿された。コンピュータビジョンとパターン認識（cs.CV）および人工知能（cs.AI）の分野に属する。