面部識別開發人員根據歐洲計算機願景2020（ECCV）的挑戰的結果，在減少生物識別準確性的“偏見”或人口統計學差異方面取得了進展，但問題遠未解決。
2020年查爾恩看著別人公平的面部識別和分析挑戰由贊助Anyvision，並通過各種偏置減輕技術來顯示並顯示不同組績效的增量改善。
在挑戰中有151名參與者，其中36名提交了挑戰的最後階段，其中10名超過0.999 AUC-ROC（接收器操作特徵曲線下的面積），而所考慮的偏差指標得分較低。
參賽者使用策略，包括面部預處理，數據分佈的均勻化，偏見感知損失功能，集成模型和其他策略，以嘗試減少其生物特徵匹配結果中的偏見。
發現匹配圖像對的十大團隊的算法最常與皮膚脫皮的男性（佔病例的42.2％）區分開來，而與深色皮膚的女性（11.2％）進行區分。發現不匹配對的反向結果，對深色皮膚女性有45.5％的歧視，而對淺皮男性的歧視僅為12.6％。但是，在針對偏執數據集進行測試時，偏差的最低頻率與具有深色皮膚顏色的女性有關，以呈正（匹配）和負（不匹配）對。
該報告作者總結說：“儘管精度很高，但這些方法都沒有偏見。” “通過分析前十名團隊的結果，我們發現他們的算法往往對具有深色膚色的女性以及兩個人戴眼鏡的樣品的假陽性率較高。相比之下，膚色較小的男性和兩個人都年輕的樣本的假陰性率更高。”
研究人員發現算法架構對偏見很重要
根據一項研究，韋奇塔州立大學研究人員在同一數據集上訓練的算法之間的建築差異可能會引起生物識別性能和偏見效應的顯著差異。
'了解性別分類算法的公平性，性別率群體``基於面部的性別分類，儘管已被誤報為通過至少一個消費者媒體出版物檢查生物識別面部識別，並與UTKFACE和FAIRFACE數據集進行了各種卷積神經網絡模型。
將來，研究人員計劃將皮色的反射性能，面部形態和其他因素作為算法性能人口差異背後的原因。
考試者的實際關注
生物識別考試的監管及其在某些人口群體中可能造成的問題，在加利福尼亞州進行了嚴格的審查，該州最高法院的司法裁決反對阻止技術的使用並使律師律師考試的開放式開放書，法院新聞報告。
該請求已提交15名法學院院長，他們對該系統是否可行表示關注，而居住在小公寓中的學生則需要參加考試，沒有食物或書籍可見，並提出了技術問題的指控，包括Procctoring軟件的生物特徵特徵。
加利福尼亞最高法院大法官塔尼·坎蒂爾·薩科耶（Tani Cantil-Sakauye）指出，全國律師審查員會議的政策禁止開放式測試。法院早些時候推遲了考試，並將最低傳球得分從1440降低到1390。
State Bar正在使用Examsoft的Protorcoring解決方案，該解決方案具有生物識別面部識別。美國公民自由聯盟（ACLU）給法院的一封信說，一位阿拉伯裔美國人試圖未能成功地驗證他對考試系統的身份75次，而參加考試的黑人婦女正計劃直接向她的臉上發光，以避免觸發虛假的積極性。
州律師協會回答說，任何違反考試的行為都將通過至少兩個人類監理者和兩名州律師審查員來確定。
ACLU還建議該軟件可能違反《加利福尼亞州消費者隱私法》。
儘管TypingDNA推出了一個解決方案基於鍵入生物識別技術今年早些時候。
