有一個 Nvidia Docker 可以簡化系統的部署，而服務提供商（例如 AWS）可以提供不間斷的通信通道、神經網絡的計算能力以及用于擴展系統的便捷接口。

測試 #1：面部識別

用戶使用相機創建存儲在設備上的照片印記。 此生物特征印記使用 OpenCV 庫進行轉換和標準化。

使用照片識別人臉，并突出顯示 OpenCV 檢測到的所有 64 個地標。 生物識別驗證標志包括從鼻梁到眼睛的距離和其他面部特征。

這些地標和人臉的剪切圖像被傳輸到深度神經網絡，該網絡使用 TensorFlow 庫進行訓練。

神經網絡處理完成后形成eDNA特征向量。特征向量收集特定人的生物特征。向量的長度通常為 2048 位，但實際向量長度取決于 DNN 架構。

在驗證過程中，會發布 eDNA 并與之前形成的錨記錄進行比較。逆向工程是不可能的，因為無法訪問向量。生物識別系統將定期更新此錨記錄以匹配個人不斷變化的外觀。

測試 #2：語音驗證

用戶通過麥克風提供語音樣本，然后由 Librosa 庫處理。該庫讀取音頻，對其進行轉換和轉換，然后將生物識別信息傳輸到神經網絡 (DNN)。

形成了一個 eDNA 特征向量（2048 位），它考慮了諸如音色、語調、節奏、音高等生物特征，以及神經網絡被訓練來響應的其他特征。