生物辨識系統的準確性，從來不是非黑即白的問題。 FRR、FAR 與 EER 三個指標，共同決定了一套系統在安全性與便利性之間的取捨位置。 Type I vs Type II：兩種錯誤的本質差異 False Rejection Rate（FRR） 又稱 Type I Error，指系統錯誤拒絕合法使用者的比例。例如：指紋辨識因手指乾燥而拒絕本人登入。 False Acceptance Rate（FAR） 又稱 Type II Error，指系統錯誤接受冒充者的比例。兩者之間存在根本性的消長關係：當系統靈敏度調高，FAR 下降但 FRR 上升；調低靈敏度則相反。在安全要求極高的場景（如金融、門禁），FAR 必須壓至最低；在強調使用者體驗的場景，則需容忍較低的 FRR。沒有任何系統能同時將兩者歸零。 EER：系統整體準確度的黃金標準 Equal Error Rate（EER） ，又稱 Crossover Error Rate（CER），是 FRR 曲線與 FAR 曲線的交叉點。此時兩種錯誤率數值相等，代表系統處於「最中性」的閾值設定。 EER 數值越低，系統整體辨識準確度越高。 例如：EER 為 1% 的系統，優於 EER 為 5% 的系統。實際部署時，管理者依據應用情境選擇偏離 EER 的閾值——向左偏移降低 FAR（提升安全性），向右偏移降低 FRR（提升便利性）。EER 本身作為比較不同生物辨識技術或廠商的基準指標，具有關鍵的評估價值。 💡 重點整理 FRR（Type I） ：拒絕合法者，影響使用者體驗。 FAR（Type II） ：接受冒充者，直接危害系統安全。 FRR 與 FAR 互為消長 ，無法同時最小化，需依情境調整閾值。 EER 越低，系統越準確 ，是評選生物辨識方案的核心指標。 理解 FRR、FAR 與 EER 的三角關係，是設計生物辨識系統的基礎素養。 沒有最好的系統，只有最適合當前場景的閾值設定。 在安全與便利之間，永遠需要有意識地做出取捨。 📚 參考文獻 NIST — Biometric Evaluations & Studies ： https://www.nist.gov/biometrics （生物辨識標準與評估...