面部防伪对于面部识别系统的安全性至关重要。基于学习的方法，尤其是深度学习方法，需要大规模的训练样本以减少过拟合现象。然而，获取伪造数据非常昂贵，因为真实的人脸需要在多个视角下重新打印和重新捕获。本文提出了一种在三维空间中合成虚拟伪造数据的方法，以缓解这一问题。具体而言，我们将打印的照片视为平面表面，并将其网格化为三维对象，然后在三维空间中随机弯曲和旋转该对象。随后，通过透视投影将转换后的三维照片渲染为虚拟样本。当结合我们提出的样本平衡策略时，这些合成的虚拟样本可以显著提升防伪性能。我们的有前景的结果为利用廉价且大规模的合成数据推进面部防伪技术开辟了新的可能性。