顔の偽造防止（Face Anti Spoofing; FAS）システムは、動画の再生や印刷物などの媒体を用いた顔認識システムに対する悪意あるスプーフィング攻撃を検出するために用いられる。顔認識技術が生体認証手段としてますます普及する中、FAS技術の重要性は高まっている。学習の観点から見ると、このようなシステムは二値分類問題として定式化される。ニューラルネットワークを基盤とする手法においては、通常、最適化に二値交差エントロピー（Binary Cross Entropy; BCE）関数が用いられる。本研究では、角空間（angular space）におけるマージンを強制するBCEの変種を提案し、DeepPixBisモデル[1]の学習に組み込む。さらに、全畳み込みネットワーク（fully convolutional setting）においても適用可能な、注意機構を備えたピクセル単位の監視を可能にする損失関数の導入手法を提示する。提案手法は、複数のベンチマークデータセットにおけるイントラおよびインター・データセット評価において、競争力ある性能を達成し、従来のDeepPixBisモデルを一貫して上回った。特に、OULU-NPUデータセットのプロトコル4（最も困難とされるプロトコル）において、提案手法は5.22%のACER（Attack Classification Error Rate）を達成し、現在の最先端技術と比較してわずか0.22%しか上回らない結果を示した。この性能は、高コストなニューラルアーキテクチャ探索（Neural Architecture Search）を一切行わずに達成されたものである。