阅读有关消费者出版物中面部识别的文章可能会导致人们认为，基于对测试和官方研究的参考以及少数激进主义者的兴奋意见，这项技术是高度不准确和有偏见的。安全行业协会（SIA）发表了一篇文章，通过解决最常见的研究并解释其真正的含义，以直接创造记录。
SIA表示，面部生物识别技术实际上是高度准确的，领先的商业算法不会带来偏见的结果。
“实际上，证据最多禁止面部识别技术的支持者引用的是无关紧要的，过时的，非科学或虚假陈述。”该组织在一篇文章由SIA政府关系高级主任杰克·帕克（Jake Parker）组成排名一个计算首席运营官和总法律顾问戴维·雷（David Ray）。
2018年性别阴影研究SIA指出，MIT媒体实验室研究人员Joy Buolamwini完全没有评估面部识别或生物识别匹配算法，而是人口标记的面部分析算法。结果也基于现在被认为已过时的算法，并立即受到IBM的挑战，但是这项研究通常是支持面对生物识别技术对女性或黑皮肤的人不起作用的争论的重点。
这种方法的一个示例是由出现在快速公司，由NAACP法律辩护基金的一对研究员撰写。
同年，美国公民自由联盟（ACLU）发表了一篇博客文章，描述了测试在其中，亚马逊重新认知被用来不匹配国会议员，对有色人种的误报数量不成比例。 SIA说，ACLU使用不适当的相似性得分作为阈值，对不匹配图像的排名保持沉默，以及是否返回真正的阳性会破坏ACLU的结论。 SIA说，ACLU设计并解释了测试以支持某个位置，而亚马逊的重新制定则具有更高的置信度阈值，并且较大的数据库返回零错误匹配。
联邦调查局（FBI）2012年的一项研究表明，与黑人相匹配的照片的生物识别性能有5％至10％的差异，但SIA指出，在随之而来的时间，行业准确性测量已从每千候选人的错误到每百万次数的错误变化，表明该研究不再相关。
美国国家标准技术研究所（NIST）研究这个问题在2019年末发布的报告中。报告后不久，NIST生物识别标准和测试负责人Patrick Grother告诉生物识别更新结果正在过度概括和误解在媒体上。 SIA提出了类似的观点，指出面部识别算法（包括大多数政府和执法供应商）的顶级人口差异。此外，从那以后发现发现的差异在很大程度上是由于算法确定了索马里样本中的实际护照欺诈。
正在进行的NIST测试实际上揭示了前20个表演面部识别算法，最糟糕的表现人群仍然是最佳的99.7％至99.8％，而白人男性是最低匹配率的人群。
保持冷静并继续测试
SIA承认任何单个测试准确性方法的局限性，并支持对生物识别准确性和一致性的进一步科学研究的支持。该小组引用了国土安全部使用面部认可，以检查迄今为止在机场和边境过境点迄今的7700万旅行者的身份，并建议应采取政策来促进持续改进生物识别精度，并确保“仅在关键应用中使用最准确的技术，并以有限的，适当的方式使用它。”
该小组最近做了向美国政府的建议对于下一步，并指出，大多数考虑过禁令或对面部识别的广泛限制的州没有颁布。
