El sistema de reconocimiento facial es vulnerable a ataques de suplantación mediante fotos o videos del rostro de un usuario válido. Sin embargo, la degradación de bordes y el desenfoque de textura ocurren cuando se utilizan imágenes de rostros no vivos para atacar el sistema de reconocimiento facial. Con esto en mente, un novedoso método de anti-spoofing facial combina la red residual y el mecanismo de atención de canal. En nuestro método, la red residual extrae las diferencias de textura de las características entre las imágenes faciales. Por el contrario, el mecanismo de atención se centra en las diferencias de sombra y características de bordes ubicadas en las áreas nasal y de mejilla entre las imágenes faciales vivas y no vivas. Puede asignar pesos a diferentes características de filtro de la imagen facial y mejorar la capacidad de extracción de red y expresión de diferentes características clave en las regiones nasal y de mejilla, mejorando la precisión de detección. Los experimentos se realizaron en los conjuntos de datos públicos de anti-spoofing facial de Replay-Attack y CASIA-FASD. Encontramos que el mejor valor del parámetro adecuado para la investigación de anti-spoofing facial es 16, y la precisión del método es del 99.98% y 97.75%, respectivamente. Además, para mejorar la robustez del método ante cambios de iluminación, el experimento también se realizó en los conjuntos de datos con cambios de luz y se obtuvo un buen resultado.