生物特征识别是一种新式的身份认证方式,具有唯一性、安全性、稳定性等特点,被广泛应用于各大领域。生物特征识别系统的广泛应用引起了人们对其安全问题的关注,各种不同的攻击方法被设计出来,主要目的是冒充合法用户,从而通过识别系统的验证。这些攻击严重威胁到庞大用户群体的财产和信息安全,也揭示了生物特征系统的安全隐患。掌纹是重要的生物特征模态,其识别稳定性高、成本低、用户友好性高、隐私性强,是一种非侵犯式的识别方式。掌纹特征具有明显的代表性,掌纹的很多种类特征也适用于其他生物特征模态,对其它模态具有重要参考意义。因此,本文以掌纹识别为例,对掌纹识别系统中的图像级攻击（伪造图像欺骗系统）进行研究。本文的主要工作如下:（1）邻域范围约束的重构攻击现有重构攻击大多只要求重构图像可以通过识别系统的验证,而忽略了重构图像在视觉质量上的要求,仅仅使用能否通过识别系统验证作为图像级攻击的优劣指标是不够的。本文对重构图像提出自然度和图像质量指标。自然度是指重构的生物特征图像是否符合该生物特征模态的视觉结构。图像质量是指重构图像不存在严重的噪声、伪影、过曝等外观。为了满足上述指标,本文提出了邻域范围约束优化爬山算法,对爬山算法进行了优化,大幅提高了速度,并且通过结合每次修改像素邻域的信息,约束算法对图像的破坏。此方法可以在通过识别系统验证的同时,生成高自然度和高图像质量的重构图像。（2）选择性批处理的重构攻击选择性批处理是一种同时修改图像中多个像素的爬山算法。相比逐像素修改,同时修改多个像素可以更快收敛,而且每次修改的幅度分散到单个像素上很小,从而保证了重构图像的自然度和图像质量。选择性批处理结合识别系统中滤波器信息,选择影响力较大的像素作为每次修改的批成员,然后打包修改,提高了扰动能力,减少了算法迭代次数。同时对遍历方式进行改进,避免了相邻修改操作间的干扰,提高效率。本方法可选择任意一张掌纹图像为初始图像,重构的感兴趣区域内部与手掌其他区域自然衔接,从而可以实施完整手掌图像的图像级攻击。实验在八种纹理特征编码识别系统中进行测试,验证了此方法的优势。（3）掌纹识别系统的呈现攻击对原始图像、对抗攻击、重构攻击三类图像,通过照片和显示器两种物理介质显示载体,在采集设备前端重新成像后,制作了六个掌纹呈现攻击数据集,并在纹理特征编码和CompNet深度学习模型上进行了测试。实验结果显示,原始图像泄露导致的呈现攻击有很高的成功率,威胁极大;而重构攻击和对抗攻击的成功率下降明显。