本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。
# 涉及公共安全的使用案例
在涉及公共安全的使用案例中部署人脸检测和比较系统时，除了[传感器、输入图像和视频的最佳实践](best-practices.md)和[常见场景中的人脸索引指南](guidance-index-faces.md)中列出的建议之外，您还应遵循以下最佳实践。首先，您应使用 99% 或更高的置信度阈值来减少错误和误报。其次，您应增加人工审查者来验证从人脸检测或比较系统收到的结果，并且不应在没有增加人工审查的情况下根据系统输出做出决策。人脸检测和比较系统应作为一种工具，帮助缩小范围，并允许人们快速审查和考虑选择。再次，我们建议您让这些使用案例中的人脸检测和比较系统的使用公开透明，这包括尽可能向最终用户和当事人告知对这些系统的使用，获得此类使用的同意以及提供一个供最终用户和主体提供反馈以改进系统的机制。
如果您是执法机构，要在刑事调查中使用 Amazon Rekognition 人脸比较功能，则必须遵守 [AWS 服务条款](https://aws.amazon.com/service-terms/)中列出的要求。这包括以下这些内容。
+ 由经过适当培训的人员审查所有决定，以采取可能侵犯个人的公民自由或同等人权的行动。
+ 培训人员如何负责任地使用人脸识别系统。
+ 公开披露您使用人脸识别系统的情况。
+ 在没有独立审查或迫切需要的情况下，不要使用 Amazon Rekognition 持续监视人员。
在所有情况下，人脸比较匹配均应在其他有力证据的背景下考虑，而不应该用作采取行动的唯一决定因素。但是，如果在 non-law-enforcement场景中使用面部比较（例如，解锁手机或验证员工的身份以进入安全的私人办公楼），则这些决定不需要人工审计，因为它们不会影响个人的公民自由或同等人权。
如果您计划在涉及公共安全的使用案例中使用人脸检测或人脸比较系统，则应采用前面所述的最佳实践。此外，您还应参考已发布的关于人脸比较使用的资源。这包括司法部的司法援助局提供的[在刑事情报和调查活动中使用的人脸识别政策制定模板](https://www.bja.gov/Publications/Face-Recognition-Policy-Development-Template-508-compliant.pdf)。该模板提供了一些人脸比较和生物比较相关资源，旨在为执法和公共安全机构提供一个框架，用于制定符合适用法律的人脸比较政策、降低隐私风险和建立实体责任制和监督制。其他资源包括美国国家电信与信息管理局提供的[人脸识别商用最佳隐私实践](https://www.ntia.doc.gov/files/ntia/publications/privacy_best_practices_recommendations_for_commercial_use_of_facial_recogntion.pdf)和美国联邦贸易委员会工作人员提供的[人脸识别一般用途最佳实践](https://www.ftc.gov/sites/default/files/documents/reports/facing-facts-best-practices-common-uses-facial-recognition-technologies/121022facialtechrpt.pdf)。将来可能会开发和发布其他资源，您应不断地自学此重要主题。
需要注意的是，在使用 AWS 服务时，您必须遵守所有适用的法律，并且您不得以侵犯他人权利或可能对他人有害的方式使用任何 AWS 服务。这意味着您不得以非法歧视他人或侵犯他人的正当程序、隐私或公民自由的方式将 AWS 服务用于公共安全使用案例。必要时，您应获得适当的法律建议以审查关于您的使用案例的任何法律要求或问题。
## 使用 Amazon Rekognition 来帮助公共安全
Amazon Rekognition 可为公共安全和执法机构使用场景提供帮助，例如寻找丢失的儿童、打击人口走私或者预防犯罪。在公共安全和执法机构使用场景中，请考虑以下事项：
+ 使用 Amazon Rekognition 作为查找可能的匹配项的第一步。通过 Amazon Rekognition 人脸操作的响应，您可以快速获取一组可能的匹配以进行进一步的调查。
+ 对于需要人工分析的场景，请勿使用 Amazon Rekognition 响应自主进行决策。如果您代表执法机构使用 Amazon Rekognition 协助查明与刑事调查有关的人员，并且将根据识别结果采取可能侵犯个人的公民权利或同等人权，则采取行动的决定必须由受过适当培训的人员根据他们对识别证据的独立审查作出。
+ 在必须确保高度准确的人脸相似性匹配的场景，使用 99% 的相似性阈值。例如，进入大楼的身份验证。
+ 当涉及到公民权利时，例如涉及执法的使用案例，请使用 99% 或更高的置信度阈值，并对人脸比较预测进行人工审查，以确保人员的公民权利不会受到侵犯。
+ 对于可以获益于筛选大量可能匹配的场景，使用低于 99% 的相似性阈值。例如查找失踪人员。如有必要，您可以使用相似性响应属性来确定对于您要识别的人员，可能的匹配相似度有多高。
+ 对于由 Amazon Rekognition 返回的结果，需要制定针对面部匹配误报的计划。例如，使用 [IndexFaces](https://docs.aws.amazon.com/rekognition/latest/APIReference/API_IndexFaces.html) 操作构建索引时，使用同一个人的多个图像可以改进匹配。有关更多信息，请参阅 [常见场景中的人脸索引指南](guidance-index-faces.md)。
在其他使用案例（如社交媒体）中，我们建议您运用最佳判断力来评测 Amazon Rekognition 结果是否需要人工审查。此外，根据您应用程序的需求，相似性阈值可以较低。