面部识别技术显着减少了识别照片和视频中人物或物体所需的时间。这使其成为商业目的的强大工具，但同样重要的是，执法部门和政府机构可以抓捕罪犯、预防犯罪和寻找失踪人员。我们已经看到了用于防止人口贩运、让失踪儿童与父母团聚、通过自动访问提高设施的物理安全性以及缓和在线发布的攻击性和非法图像以进行删除的技术。当我们的工具包中拥有包括面部识别技术在内的最新技术时，我们的社区会更安全，也更有能力在紧急情况下提供帮助。近几个月来，人们对面部识别如何被用来歧视和侵犯公民权利表示担忧。您可能已经阅读过外部团体对 Amazon Rekognition 的一些测试，这些测试试图展示如何使用该服务进行歧视。在每种情况下，我们都证明了该服务没有被正确使用;当我们正确地使用该服务重新创建他们的测试时，我们已经表明，与手动人工流程相比，面部识别实际上是一个非常有价值的工具，可以提高准确性和消除偏见。这些小组拒绝公开他们的训练数据和测试参数，但我们随时准备合作进行准确的测试和改进我们的算法，团队每个月都在继续改进。在我们提供 Amazon Rekognition 的两年多时间里，我们没有收到任何关于执法部门滥用的报告。即使迄今为止有如此良好的记录，我们也理解为什么人们希望进行监督和制定指导方针，以确保面部识别技术不会被用于歧视。我们支持建立适当的国家立法框架的呼吁，以保护个人公民权利并确保政府在使用面部识别技术时保持透明。在过去的几个月里，我们与客户、研究人员、学者、政策制定者和其他人进行了交谈，以了解如何最好地平衡面部识别的好处和潜在风险。至关重要的是，任何立法都必须保护公民权利，同时允许该技术的持续创新和实际应用。这些讨论导致我们制定了负责任地使用该技术的拟议指南，我们今天想分享这些指南。我们鼓励政策制定者考虑这些指南，因为美国和其他国家/地区正在考虑潜在的立法和规则。面部识别应始终依法使用，包括保护公民权利的法律。面部识别技术的使用必须遵守所有法律，包括保护公民权利的法律。现有法律（例如，1964 年《民权法案》和美国宪法第四修正案）适用于并可能在某些情况下限制该技术的使用，这一点不应含糊。我们的客户有责任在如何使用该技术时遵守法律。AWS 可接受使用政策 （AUP） 禁止客户使用任何 AWS 服务（包括 Amazon Rekognition）违反法律，违反 AUP 的客户将无法使用我们的服务。如果现有法律应如何应用于面部识别技术可能存在模糊或不确定性，我们已经并将继续为政策制定者和立法者提供支持，以确定制定指导或立法的领域，以澄清这些法律的正确适用。当面部识别技术用于执法时，人工审查是确保使用预测做出决定不会侵犯公民权利的必要组成部分。面部识别通常用于将领域*从数十万个潜在匹配缩小到少数;正是这种能力在许多方面使社会受益，因为它可以更轻松、更高效地完成需要人类更多时间的任务。但是，面部识别不应用于做出可能导致侵犯个人公民权利的全自动最终决定。在这些情况下，应对面部识别结果进行人工审查，以确保权利不受侵犯。例如，对于任何执法部门使用面部识别来识别刑事调查中感兴趣的人，执法人员在做出任何采访或拘留个人的决定之前都应手动审查匹配情况。在所有情况下，面部识别匹配都应结合其他令人信服的证据来看待，而不是作为采取行动的唯一决定因素。另一方面，如果使用面部识别来解锁手机，或验证员工的身份以访问安全的私人办公楼，这些决定将不需要人工审计，因为它们不会侵犯个人的公民权利。置信度分数可以被认为是衡量面部识别系统对其自身结果的信任程度的指标;置信度分数越高，结果就越可信。当使用面部识别识别调查中感兴趣的人时，执法部门应使用建议的 99% 置信阈值，并且仅将这些预测用作调查的一个要素（而不是唯一的决定因素）。执法机构应该在如何使用面部识别技术方面保持透明。为了建立公众对负责任的执法部门使用面部识别的最大信心，我们鼓励执法实体对其技术的使用保持透明，并在定期透明度报告中描述这种使用。此类报告应说明是否以及如何使用面部识别技术，并详细说明为保护公民隐私和公民权利而采取的保障措施。这种类型的报告有助于平衡公共安全和民权问题，并有助于对执法部门使用面部识别技术进行有效监督和问责。AWS 将继续与政策制定者、民间社会和当地社区团体以及我们的执法客户合作，帮助定义这些报告以及如何提供这些报告。当视频监控和面部识别技术在公共或商业环境中一起使用时，应注意。人们一直担心面部识别技术及其在公共或商业环境中与视频监控相关的潜在用途。在许多情况下，各州已经解决了这个问题，这些州制定了法律来规范在公共或商业场所（例如购物中心和餐馆）使用摄像机的问题。AWS 支持在使用视频监控（包括面部识别）的这些场所使用书面可见通知。AWS 还支持创建一个国家立法框架，涵盖通过公共或商业场所的视频和照片监控进行面部识别，我们鼓励就是否应审查和更新现有视频监控法律进行更深入的公众讨论和辩论。我们认为，面部识别技术和视频/照片监控应由同一通知框架涵盖。标准化测试AWS 一直并将继续支持并致力于开发标准化测试方法，这些方法旨在通过消除面部识别技术中的偏见来提高准确性。建立明确基准和测试方法的技术标准是解决软件设计问题的行之有效的方法，我们相信它们同样适用于此。AWS 鼓励并支持美国国家标准与技术研究院 （NIST） 等实体为面部识别技术制定独立标准，包括 NIST 和其他独立且公认的研究组织和标准机构努力开发支持基于云的面部识别软件的测试。我们正在与 NIST 和其他利益相关者合作，为这项工作提供直接帮助。我们还支持学术界成员围绕面部识别服务建立独立且可信的标准、基准和评估协议的努力。我们鼓励来自技术行业、政府和学术界的其他团体支持和参与这些倡议。我们还邀请对这些主题感兴趣的研究人员申请 AWS 机器学习研究资助，我们通过该资助资助该领域的许多研究计划。
