Bài báo này đề xuất một nghiên cứu nhằm khắc phục hạn chế của các mô hình hiện có, vốn chỉ đơn thuần đưa ra kết quả "khuôn mặt giả" trong lĩnh vực Chống Giả mạo Khuôn mặt (FAS), một lĩnh vực đang ngày càng trở nên quan trọng do công nghệ nhận dạng khuôn mặt ngày càng được sử dụng rộng rãi trong cuộc sống. Bài báo chỉ ra vấn đề là mặc dù các mô hình FAS hiện có đạt độ chính xác cao, nhưng chúng lại không đáng tin cậy và gây nhầm lẫn cho người dùng do không thể giải thích được nguyên nhân. Do đó, bài báo này định nghĩa một bài toán mới gọi là Chống Giả mạo Khuôn mặt Có thể Giải thích (X-FAS) bằng cách tích hợp Trí tuệ Nhân tạo Có thể Giải thích (XAI) vào FAS, và đề xuất Phát hiện Dấu vết Giả mạo (SPoof Trace Discovery - SPTD), một phương pháp _____T7235____-FAS có khả năng phát hiện dấu vết giả mạo và đưa ra lời giải thích đáng tin cậy. Hơn nữa, chúng tôi trình bày chuẩn mực X-FAS, bao gồm các dấu vết giả mạo do chuyên gia chú thích để đánh giá chất lượng của phương pháp X-FAS, phân tích các giải thích của SPTD và chứng minh bằng thực nghiệm khả năng tạo ra giải thích đáng tin cậy của SPTD bằng cách so sánh định lượng và định tính với các phương pháp XAI hiện có.
