苹果通过存储从原始数据模板中得出的处理的数据，在维护敏感的生物识别数据（例如面部图像或指纹）方面有可能解决的安全问题。此措施最大程度地减少了在设备泄露的情况下暴露生物识别信息的风险。
此外，软件更新提出了挑战，因为预先存在的注册生物识别数据可能与新版本不兼容。但是，Apple提出了一种解决方案，该解决方案允许将入学模板从旧算法转换为已更新的模板。
周二，美国专利局授予了苹果专利11935327，“在面部识别的苍蝇招生中。”它描述了一个注册过程，该过程消除了每个软件更新中生物识别信息的重新注册。
尽管现有的注册数据可能与最新软件版本不兼容，但软件更新通常会改进算法和模型，包括可以评估和比较生物识别数据的神经网络。
这些技术可能包括可以更新模板或将它们转换为与新软件版本一起使用的格式的算法，同时保持身份验证过程的安全性和准确性。
在软件更新期间，设备使用两个面部识别同时处理：当前的神经网络和新的神经网络。当前的神经网络管理身份验证任务，而新的神经网络以虚拟模式运行，在后台运行而不会干扰身份验证过程。
随着时间的流逝，该设备会收集有关识别生物特征识别信息的当前和新神经网络的性能的数据。该评估评估准确性，速度和安全性。
通过分析性能，可以确定是否将操作控制从当前的神经网络切换到新的神经网络。逐渐在模型之间过渡以维持用户信任和系统完整性很重要。
