在诸如通过移动和在线服务的数字注册之类的情况下，身份文档验证对于有效检测伪造并因此建立对数字世界的用户信任至关重要。在本文中，提出了基于伪造模式的伪造发现的身份文档的身份验证模型。提出的方法由两个步骤组成：一对身份文档的特征向量之间的特征提取和相似度度量。功能提取步骤涉及通过卷积神经网络（CNN）体系结构学习一对身份文档之间的相似性，并通过在它们之间提取高度歧视的特征来结束。同时，采用相似性度量步骤来确定给定的身份文档是真实的还是伪造的。在这项工作中，将这两个步骤组合在一起以实现两个目标：（i）提取的功能应具有良好的抗议（判别性）功能，以区分属于不同类别的一对身份文档，（ii）查看符合的符合性。给定身份文档的Guilloche模式及其与同一国家的真实版本的Guilloche模式相似。进行实验以分析和确定最适当的参数，以实现更高的身份验证性能。实验结果是在MIDV-2020数据集上执行的。结果表明，提出的方法可以提取处理后的身份文档的相关特性，以对Guilloche模式进行建模，从而正确区分它们的能力。此处提供了实现代码和锻造数据集（https://drive.google.com/id-fdgp-1）