随着深度学习的发展,计算机视觉技术逐渐地被应用于各个领域。计算机视觉技术中的人脸识别技术在社会的各个领域也被广泛应用,如人脸识别门禁、火车站证件验证、手机支付人脸验证等。但是,人脸识别技术的广泛应用同时也使得一些黑客技术随之产生,如对抗攻击。对抗攻击技术可以使得人脸无法被人脸识别网络识别出正确的身份,甚至识别成指定的人,这致使人脸识别的安全问题成了人们的一大关注点。故而对抗攻击和相应的防御技术成为了提高计算机视觉安全性能的研究内容。本文围绕对抗攻击与防御,探究如何实现人脸识别技术的对抗攻击和相应的防御,以提升人脸识别网络的安全性。本文采用生成对抗网络拟合目标人脸的特征对人脸识别网络进行攻击,并设计了对抗训练和预处理两种方案来进行相应的防御,最终人脸识别网络能够抵抗恶意攻击。本文首先研究并实现了四种不同的常用人脸识别网络,得到了与原文接近的识别精度,作为后续攻击与防御研究的目标网络。在对抗攻击方面,本文设计了一个GAN网络来生成对抗样本,对抗样本带有原图的几何信息,但会被人脸识别网络识别成目标人物。四个人脸识别网络在LFW数据集上进行测试,被攻击的成功率均在99%以上。在防御方面,本文设计了两种防御方案,一为对抗训练,二为预处理。本文提出的对抗训练可以使得4个人脸识别网络对于对抗样本与目标人物之间的相似性分数降低约0.2,预处理算法可以使得相似性分数降低约0.3,两种方案均能有效地进行防御。