本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。
# 涉及公共安全的使用案例
除 [感應器、輸入映像和影片的最佳實務](best-practices.md) 和 [在常見案例中為臉部編製索引的指引](guidance-index-faces.md) 中列出的建議外，在涉及公共安全的使用案例中部署人臉偵測和比較系統時，您應該使用以下最佳實務。首先，您應該使用 99% 或更高的可信度閾值，以降低錯誤和誤報。其次，您應該包含人工檢閱，以驗證從臉部偵測或比較系統收到的結果，而且若沒有額外的人工檢閱，您不應該根據系統輸出做出決策。人臉偵測和比較系統應做為工具，用於協助縮小範圍，支持人們迅速檢閱和考慮選項。第三，我們建議您在這些使用案例中使用臉部偵測或比較系統時應該透明，包括儘可能將使用這些系統的情形通知終端使用者和主體、獲得此類使用的同意，以及提供一個機制，讓最終使用者和主體可以提供意見回饋以改善系統。
如果您是執法部門，在進行刑事調查時需用到 Amazon Rekognition 人臉比較特徵，您必須遵守 [AWS 服務條款](https://aws.amazon.com/service-terms/)中列出的要求。這包含下列專案：
+ 由經過適當培訓的人員審查所有決定，採取可能影響公民自由或同等人權的行動。
+ 培訓人員負責使用臉部辨識系統。
+ 公開您使用臉部辨識系統的方式。
+ 未經獨立審查或若非緊急情況，不得使用 Amazon Rekognition 持續監控一物件。
在所有情況下，應在具有其他強而有力的證據下檢視臉部比較配對，而不應將其做為採取行動的唯一決定因素。不過，如果將臉部比較用於非執法部門的案例 (例如，解除電話的鎖定或在進入安全、私有辦公室建築物時驗證員工的身分)，這些決策就不需要手動稽核，因為不會影響一個人的公民權利。
如果您打算針對涉及公共安全的使用案例使用臉部偵測或臉部比較系統，則應該採用先前提及的最佳實務。此外，您應該參考已發佈的資源，了解如何使用臉部比較。其中包括司法部司法援助局所提供的 [Face Recognition Policy Development Template For Use In Criminal Intelligence and Investigative Activities](https://www.bja.gov/Publications/Face-Recognition-Policy-Development-Template-508-compliant.pdf)。此範本提供多種臉部比較和生物相關資源，旨在提供執法和公共安全部門一個框架，以開發遵守適用法律、降低隱私風險，並建立實體責任和監督的臉部比較政策。其他資源包括美國國家電信暨資訊管理局提供的 [Best Privacy Practices for Commercial Use of Facial Recognition](https://www.ntia.doc.gov/files/ntia/publications/privacy_best_practices_recommendations_for_commercial_use_of_facial_recogntion.pdf)，以及美國聯邦貿易委員會全體提供的 [Best Practices for Common Uses of Facial Recognition](https://www.ftc.gov/sites/default/files/documents/reports/facing-facts-best-practices-common-uses-facial-recognition-technologies/121022facialtechrpt.pdf)。可能會在未來開發並發佈其他資源，而且您應該持續對此重要主題自我教育。
提醒您，您在使用 AWS 服務時必須遵守所有適用的法律，而且若使用的方式違反其他人的權利或可能有害其他人的話，您可能會無法使用任何 AWS 服務。這意味著您不得以非法歧視個人或侵犯個人正當程序、隱私或公民自由的方式將 AWS 服務用於公共安全使用案例。您應該視需要取得適當的法律建議，以查閱關於使用案例的任何法律要求或問題。
## 使用 Amazon Rekognition 協助公眾安全
Amazon Rekognition 可協助公共安全與執法部門要求案例 (例如尋找失蹤兒童、打擊人口販賣或預防犯罪)。在公共安全與執法部門要求案例中，請考慮以下：
+ 使用 Amazon Rekognition 做為尋找可能配對的第一步。透過 Amazon Rekognition 人臉操作的回應可讓您快速地取得潛在配對，供您進一步考量。
+ 請勿使用 Amazon Rekognition 回應在需要人類分析的情境中進行自主決策。如果您是執法部門，需使用 Amazon Rekognition 協助識別與刑事調查相關的物件，且所採取的身分類型行動可能影響該人的公民自由或同等人權，負責決定採取行動的人員必須接受過獨立驗證身分證明的相應培訓。
+ 將 99% 相似度的臨界值用於需要高準確臉部相似度比對的案例。此類範例即是進入建築物時的存取驗證。
+ 當有公民權利這方面的考量時，例如包含執法部門的使用案例，請使用 99% 或更高的臨界值，以及採用人工的方式檢閱臉部比較預測結果，以確保未侵犯人員的公民權利。
+ 將低於 99% 相似度臨界值用於受益於大型潛在相符集合的案例中。此類範例其中之一便是尋找失蹤人口。如有需要，您可以使用相似度回應屬性，來判斷與您希望辨識之人員的潛在相符的相似程度。
+ 擬訂計畫，來判斷 Amazon Rekognition 所傳回之相符人臉的對錯。例如，在您使用 [IndexFaces](https://docs.aws.amazon.com/rekognition/latest/APIReference/API_IndexFaces.html) 操作建置索引時，透過使用相同人員的多個映像來改善相符程度。如需詳細資訊，請參閱 [在常見案例中為臉部編製索引的指引](guidance-index-faces.md)。
在其他使用案例 (例如社交媒體)，我們建議您使用最佳判斷，以評估 Amazon Rekognition 結果是否需要人工檢閱。此外，根據應用程式的要求，相似度臨界值可能較低。