The Fourth Amendment Limits of Facial Recognition at the Border
Notice bibliographique
Résumé
On any given day, hundreds of thousands of people enter the United States through ports of entry along the Mexican and Canadian borders. At the same time, the Department of Homeland Security (“DHS”) seizes millions of dollars’ worth of contraband entering the United States annually. Under the border-search exception, border officials can perform routine, warrantless searches for this contraband, based on no suspicion of a crime, without violating the Fourth Amendment. But as DHS integrates modern technology into its enforcement efforts, the question becomes how these tools fit into the border-search doctrine. Facial recognition technology (“FRT”) is a prime example. To date, no court—and few legal scholars—have addressed how the Fourth Amendment would regulate the use of FRT at the border. This Note begins to fill that gap. This Note contends that, after Carpenter v. United States, the Fourth Amendment places at least some limits on the use of FRT at the border. Given the absence of caselaw, this Note uses a hypothetical border search to make three core claims. First—distinguishing between face verification and face identification—this Note argues that face identification constitutes a Fourth Amendment “search” only when the images displayed to a border official reveal “the privacies of life.” Second, because of its invasive nature, this form of face identification is a nonroutine border search and is unconstitutional when conducted without reasonable suspicion. Lastly, this Note concludes that a border official’s reasonable suspicion must be linked to a crime that bears some nexus to the purposes underlying the border-search exception.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,004 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».