顔認証システムは，顔の姿勢や照明の変化，撮影時のブレなどに対してロバストに設計されているため，悪意のある人物が登録者の顔写真などを提示することでユーザになりすまして不正に認証されてしまう可能性がある．本論文では，本物の顔画像となりすましの顔画像との間に存在する微小な差を検知するために Vision Transformer (ViT) を用いたなりすまし攻撃検知手法を提案する．提案手法では，局所的かつ大域的な特徴を捉えるためにViTの中間特徴量を用い，未知のなりすまし攻撃を検知するためのデータ拡張を導入する．公開データセットを用いた性能評価実験により提案手法の有効性を示す．