关于人脸识别滥用的十个可能的应对方案

十大建议核心提要：

1. 限制数据存储期限
2. 限制数据分享
3. 公共场所设立人脸识别标识
4. 提升人脸识别精准度
5. 开展第三方独立评估
6. 减少附带信息收集
7. 商业场景纳入opt-in与opt-out机制
8. 制定统一的技术标准
9. 完善标准化组织认证
10. 确保数据代表性以及测试实操化

在此介绍一种保障数据安全性的机器学习模式——联邦学习（Federated Learning）。此种学习模式是一种训练数据去中心化的机器学习方案，确保数据只存储在摄像头终端，而不传输到中央数据中心，从而提升数据安全性。

2. 限制数据分享 3. 公共场所设立人脸识别标识 4. 提升人脸识别精准度 5. 开展第三方独立评估 6. 减少附带信息收集 7. 商业场景纳入opt-in与opt-out机制 8. 制定统一的技术标准

庆幸的是，美国电气和电子工程协会（IEEE）以及美国国家标准与技术研究院（NIST）正在制定统一的技术标准，以规范相关技术应用。

9. 完善标准化组织认证

企业系统安全系数由国际标准化组织（ISO）验证。企业特定产品由ISO组织评估是否满足监管规则要求，第三方机构进行合规测试，从而保障消费者对全流程技术标准的知情权。

10. 确保数据代表性以及测试实操化

注：本研究报告出自布鲁金斯学会（Brookings Institution）于10月31日发布的《10 actions that will protect peoplefrom facial recognition software》。

译者：蔡雄山、袁俊；公众号：腾讯研究院（ID：cyberlawrc）

来源：https://mp.weixin.qq/s/A8TII44wUTQi_cmu2ztvsA

本文由 @腾讯研究院 翻译发布于人人都是产品经理。未经许可，禁止转载

题图来自Unsplash，基于CC0协议