Cảnh sát Massachusetts đã tăng khoảng gấp ba lần số lần tìm kiếm bằng nhận diện khuôn mặt, theo dữ liệu tiểu bang được The Shoestring đưa tin. Cảnh sát đã thực hiện 143 lần tìm kiếm trong năm tài chính 2026. Nhưng cùng cuộc điều tra đó phát hiện ra rằng con số này có khả năng đại diện cho một sự thiếu hụt đáng kể, điều này làm phức tạp bất kỳ nỗ lực nào nhằm đánh giá tần suất khuôn mặt của cư dân bị đưa qua các hệ thống sinh trắc học.

Dữ liệu tiểu bang cho thấy gì và tại sao nó có khả năng thiếu hụt

Con số tiêu đề rất đơn giản: 143 lần tìm kiếm bằng nhận diện khuôn mặt của cảnh sát trong năm tài chính 2026, khoảng gấp ba lần tổng số của năm trước. Việc tăng gấp ba lần tự nó đã đáng chú ý, vì nó cho thấy công nghệ này đang trở thành một phần thường quy hơn trong các cuộc điều tra tại tiểu bang.

Phát hiện quan trọng hơn là lưu ý đi kèm. Cuộc điều tra của The Shoestring kết luận rằng con số chính thức có lẽ bỏ sót một phần đáng kể của việc sử dụng thực tế. Bản tóm tắt được công bố không giải thích rõ mọi lý do cho khoảng cách này, vì vậy sẽ là sai lầm nếu đoán mò về cơ chế. Điều quan trọng đối với độc giả là bài học thực tế: một con số không đầy đủ không thể cho công chúng biết công nghệ này thực sự được sử dụng rộng rãi đến mức nào.

Đó là một vấn đề quen thuộc với việc giám sát các hệ thống giám sát. Các con số minh bạch chỉ đáng tin cậy bằng chính quy trình báo cáo đằng sau chúng. Nếu các lần tìm kiếm có thể diễn ra mà không được ghi vào số đếm trung tâm, hồ sơ công khai sẽ đi sau thực tế.

Cách thức hoạt động của tìm kiếm bằng nhận diện khuôn mặt tại Massachusetts

Trong một lần tìm kiếm bằng nhận diện khuôn mặt, một điều tra viên lấy hình ảnh của một người chưa xác định, chẳng hạn như một khung hình từ video giám sát, và so sánh với cơ sở dữ liệu các khuôn mặt đã biết. Hệ thống trả về các kết quả trùng khớp có thể, mà các điều tra viên sau đó đánh giá.

Massachusetts đã có các quy định cụ thể cho việc này từ năm 2021. Các bản tóm tắt công khai của luật mô tả một yêu cầu rằng các cơ quan chỉ được yêu cầu hoặc thực hiện tìm kiếm bằng nhận diện khuôn mặt thông qua một yêu cầu bằng văn bản. Các bài đưa tin từ thời kỳ đó cũng báo cáo rằng cảnh sát cần lệnh tòa trước khi so sánh hình ảnh với cơ sở dữ liệu ảnh và tên, chẳng hạn như những cơ sở dữ liệu do Cục Quản lý Xe cơ giới và FBI nắm giữ.

Các bài đưa tin trước đó cũng đã cho thấy cảnh sát tiểu bang xử lý các yêu cầu từ các cơ quan khác. Một báo cáo năm 2025 ghi nhận ít nhất 45 yêu cầu được gửi đến cảnh sát tiểu bang để tìm kiếm các nghi phạm hình sự trong một khoảng thời gian bắt đầu từ tháng 9 năm 2023. Những con số đó không thể so sánh trực tiếp với tổng số của năm tài chính 2026 mới, nhưng chúng cho thấy xu hướng sử dụng ngày càng tăng mà dữ liệu mới củng cố.

Những biện pháp bảo vệ và giám sát mà cư dân thực sự có

Trên giấy tờ, Massachusetts có nhiều rào chắn hơn nhiều tiểu bang: yêu cầu bằng văn bản, yêu cầu lệnh tòa đối với một số cơ sở dữ liệu nhất định, và một số hình thức báo cáo. Phát hiện của The Shoestring đặt ra một câu hỏi mà chỉ các quy định không thể trả lời: việc tuân thủ được theo dõi tốt đến mức nào?

Giám sát phụ thuộc vào ba yếu tố hoạt động cùng nhau:

  • Đếm chính xác. Nếu các lần tìm kiếm bị bỏ sót, tổng số công khai sẽ đánh giá thấp việc sử dụng.
  • Xác minh độc lập. Các con số được báo cáo đáng tin cậy nhất khi chúng có thể được kiểm tra chéo với hồ sơ từ các cơ quan riêng lẻ.
  • Hậu quả cho các khoảng trống. Một quy định không có thực thi có xu hướng bị mai một.

Đối với cư dân, bài học không phải là các biện pháp bảo vệ là vô nghĩa. Mà là chúng nên được kiểm tra bằng dữ liệu thực. Các yêu cầu hồ sơ công khai, các phiên điều trần lập pháp và việc đưa tin tiếp tục là cách những khoảng trống như thế này được đưa ra ánh sáng.

Các chính phủ khác cũng đối mặt với những câu hỏi tương tự. Bài đưa tin của chúng tôi về việc Pháp sử dụng nhận diện khuôn mặt đối với cơ sở dữ liệu hồ sơ tội phạm TAJ cho thấy cách một hệ thống hồ sơ lớn có thể trở thành xương sống của việc tìm kiếm khuôn mặt, và tại sao độ chính xác và trách nhiệm giải trình xung quanh dữ liệu đó lại quan trọng.

Điều này có ý nghĩa gì với bạn

Hầu hết mọi người không thể từ chối việc cảnh sát sử dụng nhận diện khuôn mặt. Ảnh gắn với hồ sơ chính phủ, chẳng hạn như giấy phép lái xe, có thể là một phần của các cơ sở dữ liệu mà việc tìm kiếm dựa vào, và bạn không kiểm soát được điều đó. Tuy nhiên, bạn có thể giảm mức độ tiếp xúc không cần thiết và luôn được thông tin.

Những cách thực tế để hạn chế mức độ tiếp xúc sinh trắc học của bạn:

  • Xem lại ảnh công khai của bạn. Thắt chặt cài đặt quyền riêng tư trên các tài khoản mạng xã hội và cân nhắc ai có thể xem hoặc tải xuống hình ảnh của bạn.
  • Hãy chọn lọc với các tính năng dựa trên khuôn mặt. Mở khóa bằng khuôn mặt, gắn thẻ ảnh và các dịch vụ khớp khuôn mặt tạo ra dữ liệu sinh trắc học. Chỉ sử dụng chúng khi sự tiện lợi xứng đáng.
  • Đọc các chính sách về ảnh và giấy tờ tùy thân. Trước khi giao ảnh quét khuôn mặt hoặc ảnh giấy tờ tùy thân cho một ứng dụng hoặc dịch vụ, hãy kiểm tra xem nó được lưu giữ bao lâu và có thể được chia sẻ với ai.
  • Hiểu rõ giới hạn của VPN. VPN bảo vệ lưu lượng mạng và địa chỉ IP của bạn. Nó không xóa khuôn mặt bạn khỏi cơ sở dữ liệu chính phủ hay ngăn camera ghi lại hình ảnh bạn.
  • Sử dụng hồ sơ công khai. Nếu bạn tò mò về cách sở cảnh sát địa phương sử dụng công nghệ này, bạn có thể yêu cầu các chính sách và nhật ký sử dụng của họ.

Kết luận

Việc cảnh sát Massachusetts đạt 143 lần tìm kiếm bằng nhận diện khuôn mặt trong năm tài chính 2026 là một dấu hiệu rõ ràng về việc sử dụng ngày càng tăng. Phát hiện rằng con số này có lẽ là thiếu hụt mới là chi tiết quan trọng hơn, vì giám sát chỉ hiệu quả khi công chúng có thể thấy bức tranh đầy đủ. Việc thúc đẩy báo cáo đầy đủ, có thể xác minh là cách trực tiếp nhất để cư dân buộc hệ thống phải chịu trách nhiệm.

Để theo dõi câu chuyện này và những câu chuyện tương tự, hãy theo dõi mảng đưa tin về giám sát và nhận diện khuôn mặt của vpn.social. Để so sánh cách một chính phủ khác kết hợp cơ sở dữ liệu hồ sơ tội phạm với tìm kiếm khuôn mặt, hãy đọc bài viết của chúng tôi về Pháp và cơ sở dữ liệu TAJ.