الكشف عن التلاعب بالوجه أمر حاسم لضمان أمن أنظمة التعرف على الوجه. تحتاج الأساليب القائمة على التعلم، وخاصة تلك التي تعتمد على التعلم العميق، إلى عينات تدريبية واسعة النطاق لتقليل مشكلة الانطباع الزائد (overfitting). ومع ذلك، فإن الحصول على بيانات التلاعب مكلف للغاية نظرًا لأن الوجوه الحية يجب طباعتها وإعادة التقاطها من العديد من الزوايا. في هذا البحث، نقدم طريقة لإنشاء بيانات تلاعب افتراضية في الفضاء ثلاثي الأبعاد لتخفيف هذه المشكلة. تحديدًا، نعتبر الصورة المطبوعة سطحًا مسطحًا ونحولها إلى كائن ثلاثي الأبعاد، ثم يتم ثنيه ودورانه بشكل عشوائي في الفضاء ثلاثي الأبعاد. بعد ذلك، يتم تصوير الصورة ثلاثية الأبعاد المحولة عبر الإسقاط المنظوري كعينة افتراضية. يمكن أن تساهم العينات الافتراضية المصنعة بشكل كبير في تحسين أداء الكشف عن التلاعب عند دمجها مع استراتيجية توازن البيانات المقترحة. النتائج الواعدة التي حققناها تفتح آفاقًا جديدة لتطوير تقنيات الكشف عن التلاعب بالوجه باستخدام بيانات افتراضية رخيصة ومتوافرة بكميات كبيرة.