GAO 的发现根据实验室环境中进行的大量研究，生物特征识别技术的准确性有所提高，特别是面部识别，但在理解现实世界的性能方面仍然存在差距。根据 GAO 审查的文献和 GAO 采访的研究人员，各种因素（例如训练生物识别算法的数据集缺乏人口多样性）可能会导致不同人口群体的准确性差异。虽然在实验室测试中研究了技术性能的差异，但对现实环境中的性能的研究却少得多，因为例如，在跨人口群体获取有意义的样本方面存在挑战。选定的利益相关者提供了与技术相关的积极和消极影响的例子。在面临历史不利模式的社区中使用生物特征识别。积极的例子包括便利和增加获得公共福利和服务的机会，而消极的例子包括错误逮捕和对社区进行监视。选
效果因人而异。花点时间看看这个。有些人没有看到任何特别的东西：只是红眼睛里的蓝色虹膜。但对我来说，这是一种非常强烈的深度错觉——蓝色和红色看起来好像处于不同的距离。我可以增强……继续阅读“色立体视觉”
Forensic Technology: Algorithms Used in Federal Law Enforcement
GAO 发现的内容 GAO 审查的联邦执法机构主要使用三种类型的法医算法来帮助评估刑事调查中收集的证据是否可能来自个人：概率基因分型、潜纹（指纹和掌纹）分析，以及人脸识别。在较小程度上，各机构还使用算法来比较虹膜图像、语音和笔迹。每种类型的算法在其评估中都使用不同的特征。例如，概率基因分型使用统计数据来分析刑事调查期间发现的生物样本，以帮助与从嫌疑人身上获取的已知 DNA 样本或来自已知人员数据库的 DNA 数据概况进行比较。联邦调查局目前使用概率基因分型和潜在指纹算法来帮助评估刑事调查中收集的证据是否来自个人，并使用面部识别来生成调查线索。美国国家标准与技术研究所和其他组织制定了标准，以促进
