十大建議核心提要：

1. 限制數據存儲期限
2. 限制數據分享
3. 公共場所設立人臉識別標識
4. 提升人臉識別精準度
5. 開展第三方獨立評估
6. 減少附帶信息收集
7. 商業場景納入opt-in與opt-out機制
8. 制定統一的技術標準
9. 完善標準化組織認證
10. 確保數據代表性以及測試實操化

在此介紹一種保障數據安全性的機器學習模式——聯邦學習（Federated Learning）。此種學習模式是一種訓練數據去中心化的機器學習方案，確保數據只存儲在攝像頭終端，而不傳輸到中央數據中心，從而提升數據安全性。

2. 限制數據分享 3. 公共場所設立人臉識別標識 4. 提升人臉識別精準度 5. 開展第三方獨立評估 6. 減少附帶信息收集 7. 商業場景納入opt-in與opt-out機制 8. 制定統一的技術標準

慶幸的是，美國電氣和電子工程協會（IEEE）以及美國國家標準與技術研究院（NIST）正在制定統一的技術標準，以規范相關技術應用。

9. 完善標準化組織認證

企業系統安全系數由國際標準化組織（ISO）驗證。企業特定產品由ISO組織評估是否滿足監管規則要求，第三方機構進行合規測試，從而保障消費者對全流程技術標準的知情權。

10. 確保數據代表性以及測試實操化

注：本研究報告出自布魯金斯學會（Brookings Institution）于10月31日發布的《10 actions that will protect peoplefrom facial recognition software》。

譯者：蔡雄山、袁俊；公眾號：騰訊研究院（ID：cyberlawrc）

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

本文由 @騰訊研究院 翻譯發布于人人都是產品經理。未經許可，禁止轉載

題圖來自Unsplash，基于CC0協議