接受和拒絕以及匹配和不匹配對於生物識別背景下的交流非常有效。我們是否需要將它們與二元分類中使用的 Negative 和 Positive 相關聯？
在統計假設檢驗中，型一錯誤或 型二錯誤的確定取決於零假設。他們有一個特定的定義。但是，諸如陽性或陰性之類的術語通常用於醫學篩查和測試。在生物識別中使用它們可能與共同理解相衝突。

OSG
錯誤拒絕率 當身份驗證系統未對有效用戶進行身份驗證時，會發生錯誤拒絕。例如，假設 Dawn 已經註冊了她的指紋並在之前將其用於身份驗證。想像一下，她今天使用她的指紋來驗證自己，但係統錯誤地拒絕了她的指紋，表明它無效。這有時稱為假否定身份驗證。錯誤拒絕與有效身份驗證的比率稱為錯誤拒絕率 (FRR)。錯誤拒絕有時稱為型一錯誤。
錯誤接受率 當身份驗證系統錯誤地對某人進行身份驗證時，就會發生錯誤接受。這也稱為誤報身份驗證。舉個例子，假設黑客喬沒有賬戶，也沒有註冊他的指紋。但是，他使用他的指紋進行身份驗證，系統識別了他。這是誤報或誤接受。誤報與有效身份驗證的比率是誤接受率 (FAR)。錯誤接受有時被稱為第二類錯誤。
資料來源：查普爾，邁克；斯圖爾特，詹姆斯·邁克爾；吉布森，達里爾。
(ISC)2 CISSP 認證信息系統安全專業官方學習指南（第 1147 頁）。威利。Kindle版。

美國國家標準技術研究所
生物識別技術測試歷來側重於吞吐量和識別錯誤率 - 後兩種類型：假陽性（也稱為假匹配- 兩個生物識別樣本並非來自同一個人的錯誤決定）和假陰性（也稱為假匹配）被稱為假不匹配——一個錯誤的決定，即兩個生物特徵樣本實際上不是來自同一個人）。
資料來源：生物識別性能測試的基本問題：不確定性評估的現代統計和哲學框架

生物特徵中的零假設
生物識別系統可能會因為樣本和模板不匹配而拒絕合法員工，或者因為匹配而接受入侵者。在統計假設檢驗中，生物特徵系統的零假設通常表明樣本與模型存儲庫中存儲的模板相匹配。因此，生物識別系統的決定是“匹配”或“不匹配”。但是，該決定可能是錯誤的或錯誤的決定，並成為錯誤的不匹配（型一錯誤或錯誤拒絕）或錯誤匹配（型二錯誤或錯誤接受）。

混淆生物識別中的假陽性/假陰性
有些人可能會將匹配視為陽性，將不匹配視為否定，這導致假陽性等於錯誤接受（型二錯誤）和假陰性等於錯誤拒絕（型一錯誤）的論點。它經常使人們感到困惑，因為正負的借用用法與大多數應用領域衝突，其中誤報是眾所周知的 型一錯誤，例如醫療檢查和測試、安全檢查（例如機場）、垃圾郵件、IDS /IPS 等。在這些應用領域中，零假設是一個否定陳述（例如，沒有特定疾病，不是武器、垃圾郵件或入侵），而生物識別學中的一個是肯定陳述（存在於模型庫）。

參考
. 型一 和 型二錯誤
. 假陽性和假陰性
. 準確率和召回率
. 敏感性和特異性
. 二元分類
. 統計假設檢驗
. CISSP 實踐問題 – 20201110

資料來源： Wentz Wu QOTD-20210723
My Blog: https://choson.lifenet.com.tw/