顔照合の閾値設計。FMR/FNMRと手動審査コスト

eKYCシステムを発注・導入する立場の方が、顔照合ベンダーの「精度」をどう読み、閾値と手動審査体制をどう決めればよいか——本記事はこの判断を自分の言葉でできるようになるための解説です。顔照合の閾値は、システムの不正通過リスク・申込完了率・審査部門の人件費を同時に左右する、eKYCで最も重要な設計パラメータです。ところがベンダー提案書では「高精度」の一言で済まされがちで、発注側が質問の仕方を知らないと検証のしようがありません。確認日: 2026年8月23日。

なお、写真や動画によるなりすまし攻撃への耐性（PAD）は照合精度とは別の評価軸です。そちらは『PAD（なりすまし検知）の仕組みと限界』で扱っています。

この記事の要点

• 顔照合の性能は単一の「精度」ではなく、他人を通す率（FMR）と本人を弾く率（FNMR）のトレードオフで表され、閾値はその釣り合い点を選ぶ行為です
• 「精度99.9%」という単独の数字は、評価データセット・閾値・撮影条件が示されない限りベンダー比較に使えません
• 閾値の最適点は技術だけでは決まりません。不正通過の損失・離脱の機会損失・手動審査の人件費という3つのコストで決めます
• 実装の標準形は「閾値を2本引き、中間帯を手動審査に回す」設計です。中間帯の幅が業務コストの調整弁になります
• 閾値は導入時に決めて終わりではなく、審査率・覆り率・属性別否認率を監視して定期的に見直します

判定の正体は「類似度スコアを閾値で二値に割る」こと

eKYCで使われる顔照合は1:1照合です。本人確認書類の顔写真と、その場で撮影した顔画像のそれぞれから特徴量を取り出し、両者の類似度をスコアとして算出します。そしてスコアが閾値以上なら同一人物、未満なら別人と判定します。

ここで押さえるべき本質は、連続値であるスコアを閾値という1本の線で「合格／不合格」に割っている、という点です。線をどこに引いても、必ず2種類の誤りが発生します。

• FMR（False Match Rate、誤照合率）: 他人なのに同一人物として通してしまう割合
• FNMR（False Non-Match Rate、誤非照合率）: 本人なのに別人として弾いてしまう割合

似た用語にFAR/FRRがあり、ベンダー資料でも混在して使われています。生体認証の性能評価の国際規格であるISO/IEC 19795-1では、照合アルゴリズム単体の誤りをFMR/FNMR、撮影失敗などを含むシステム全体の誤りをFAR/FRRと区別しています。提案書の数字がどちらの定義かは、必ず確認すべきポイントです。アルゴリズム単体では優秀でも、撮影段階で落ちる人が多ければシステム全体の体験は悪くなります。

そして最も重要な性質が、FMRとFNMRは閾値を動かすと逆方向に動くことです。閾値を上げれば他人は通りにくくなり（FMR低下）、その代わり本人も弾かれやすくなります（FNMR上昇）。閾値操作だけで両方を同時に改善することはできません。両方を下げたければ、アルゴリズム自体を変えるか、撮影品質を上げるしかないのです。この閾値ごとのFMR/FNMRの対応関係を曲線として描いたものがROC/DET曲線で、ベンダーのアルゴリズムを比較するとき本来見るべきはこの曲線です。

提案書の「精度99.9%」を検証する5つの質問

単独の精度値は、次の条件が明示されない限り意味が確定しません。裏を返せば、この表の項目を質問すれば提案の実質を確かめられます。

隠れた条件	確認しないと何が起きるか
評価データセット	人種・年齢・性別の構成で誤り率は大きく変わります。自社ユーザー層と異なる母集団での数字は参考値にすぎません
閾値設定	どの閾値での数字かが不明では比較不能です。FMRを固定してFNMRを報告するのが標準的な流儀です（例: FMR 0.01%時のFNMR）
撮影条件	照明・角度・マスク・眼鏡の影響を受けます。ラボ環境とスマホの実環境では別物です
経年変化	本人確認書類の写真は最大10年前のものがあり得ます。撮影時との年齢差は誤りを増やします
誤りの向き	その「精度」がFMRとFNMRのどちらを指すのか、あるいは両者の合成値なのかで意味が変わります

ベンダーへの最短の質問は「FMRをいくつに固定したときのFNMRはいくつですか。評価データセットは何ですか」です。これに答えられないベンダーの精度値は、比較の土俵に載せられません。加えて、NISTのFRTE/FRVTのような公開ベンチマークへの参加実績や、FIDOの顔照合認定といった第三者評価の有無も客観的な判断材料になります。こうした確認観点は、料金以外の選定基準を整理した『eKYCサービスの選び方20項目』とあわせて使うと選定の抜けを防げます。

ベンダー確認チェックリスト

• 精度値の定義（FMR/FNMRか、FAR/FRRか）を確認した
• 「FMR固定時のFNMR」の形で数値を入手した
• 評価データセットの母集団構成を確認した
• 実環境（スマホ撮影・多様な照明）での評価か確認した
• NIST FRTE/FRVT等の第三者評価・認定の有無を確認した
• 閾値を自社側で調整できるか（固定か可変か）を確認した

閾値の置き場所は3つの業務コストで決める

ROC曲線を入手できたとして、曲線上のどの点（＝どの閾値）を選ぶかは技術判断ではなく経営判断です。判断材料は次の3つのコストに整理できます。

• 不正通過コスト = FMR × 不正試行件数 × 1件あたり損失（不正口座の悪用、補償、行政対応）
• 離脱コスト = FNMR × 正当な申込件数 × 1件あたり機会損失（獲得単価で近似できます）
• 審査コスト = 手動審査率 × 件数 × 1件あたり審査単価

金融機関のように不正通過の損失が大きい事業では閾値を厳しめに、獲得競争が激しく離脱1件の機会損失が大きい事業では緩めに、という力学が働きます。この式を自社の数字で埋めることが、閾値議論のスタートラインです。

標準形は「閾値2本+手動審査帯」

実務の設計は、1本の閾値で自動承認／自動否認を割る二値判定ではなく、閾値を2本引くのが標準形です。

スコア帯	判定
高スコア帯（上側閾値以上）	自動承認
中間帯（2本の閾値の間）	手動審査へ回す
低スコア帯（下側閾値未満）	自動否認

この中間帯の幅こそが運用の調整弁です。広げれば自動判定の誤りは減りますが、審査コストと審査待ち時間が増えます。狭めればその逆です。

具体的に試算してみます。月1万件の申込で中間帯を5%に設定すると、月500件の手動審査が発生します。審査1件5分・時給2,000円なら月8万円強の人件費です。この金額と、FMRを1段緩めた場合の不正損失期待値を並べて初めて、「閾値をどこに置くか」が経営の言葉で議論できるようになります。手動審査チームの体制づくりやSLA設計は『目視確認・手動審査の運用設計』で詳しく扱っています。

導入後に監視すべき4つの指標

閾値は一度決めたら終わりではありません。ユーザーの母集団やスマホカメラの性能は変化し続けるため、運用フェーズで継続的に見る指標をあらかじめ決めておく必要があります。

• 自動承認率・自動否認率・手動審査率の推移 — 母集団の変化や端末性能の変化で動きます
• 手動審査の結果分布 — 審査で判定が覆る率が高いスコア帯があるなら、閾値の置き場所が悪いサインです
• 属性別の否認率の偏り — 年齢層別・撮影端末別に見て、特定の層だけを弾いていないか。公平性とコンバージョン率の両面で重要です
• 再撮影率と離脱ポイント — 照合以前に撮影段階で落ちているなら、閾値ではなくUXの問題です

もうひとつ設計とセットで考えるべきなのが、否認されたユーザーの導線です。顔照合の否認理由は本人には見えないため、再試行・別方式への切り替え・問い合わせ窓口という受け皿がないと、正当なユーザーがそのまま離脱します。画像方式が使えないときの受け皿としてICチップ読み取りなど複数方式を持っておく「方式ポートフォリオ」の考え方は『2027年施行後のeKYC方式一覧と移行チェックリスト』で解説しています。離脱の実態とその対策は『eKYCの失敗パターン』も参考になります。

まとめ

• 顔照合の誤りはFMR（他人を通す）とFNMR（本人を弾く）の2種類で、閾値はそのトレードオフのどこを取るかの選択です
• FMRとFNMRは閾値操作で逆方向に動くため、両方を同時に下げるにはアルゴリズムか撮影品質を変えるしかありません
• 単独の「精度」は評価データ・閾値・撮影条件が付かない限り比較に使えません。「FMR固定時のFNMR」の形で確認します
• 実装の標準形は閾値2本+手動審査帯です。中間帯の幅を、不正損失・離脱損失・審査人件費の3コストで決めます
• 運用では審査率・審査での覆り率・属性別否認率を監視し、閾値を定期的に見直します

eKYC全体の論点整理は『eKYC完全マップ』を、ベンダー比較の進め方は『eKYCベンダー比較』をあわせてご覧ください。

よくある質問

Q. FMRとFNMRとは何ですか？

顔照合の2種類の誤り率です。FMR（False Match Rate、誤照合率）は他人なのに同一人物として通してしまう割合、FNMR（False Non-Match Rate、誤非照合率）は本人なのに別人として弾いてしまう割合を指します。閾値を上げるとFMRは下がりFNMRは上がるというトレードオフの関係にあり、両方を同時に閾値だけで下げることはできません。

Q. FMR/FNMRとFAR/FRRの違いは何ですか？

生体認証の性能評価規格ISO/IEC 19795-1では、照合アルゴリズム単体の誤りをFMR/FNMR、撮影失敗なども含むシステム全体の誤りをFAR/FRRと区別しています。ベンダー資料ではこの2組が混同されていることがあるため、提示された数字がどちらの定義かを確認する必要があります。

Q. 顔認証の「精度99.9%」は信用できますか？

単独の数字のままでは比較に使えません。評価データセットの母集団、どの閾値での数字か、撮影条件、その精度がFMRとFNMRのどちらを指すのかが示されて初めて意味が確定します。「FMRをいくつに固定したときのFNMRはいくつか、評価データセットは何か」と質問し、答えられるかどうかで見極めます。

Q. 顔照合の閾値はどうやって決めればよいですか？

技術ではなく業務コストで決めます。不正通過コスト（FMR×不正試行件数×1件あたり損失）、離脱コスト（FNMR×申込件数×機会損失）、手動審査コスト（審査率×件数×審査単価）の3つを自社の数字で試算し、合計が最も小さくなる点を探します。不正の損失が大きい事業は厳しめ、離脱の機会損失が大きい事業は緩めに寄せるのが基本の力学です。

Q. 手動審査はなぜ必要なのですか？

スコアが高くも低くもない中間帯は、自動判定するとどちらの誤りも増えるためです。実務では閾値を2本引き、高スコアは自動承認、低スコアは自動否認、中間帯だけを人の目で審査する設計が標準形です。中間帯の幅は審査人件費との兼ね合いで決めます。例えば月1万件の申込で中間帯5%なら月500件の審査となり、1件5分・時給2,000円で月8万円強の人件費です。

Q. 顔照合で本人なのに弾かれるのはなぜですか？

閾値がある以上、一定割合の本人が弾かれること（FNMR）は避けられません。加えて、本人確認書類の写真が最大10年前で年齢差が大きい場合や、照明・角度・マスク・眼鏡といった撮影条件が悪い場合に誤非照合は増えます。サービス側には、否認時の再試行やICチップ読み取りなど別方式への切り替え導線を用意する設計が求められます。

Q. 顔照合ベンダーの性能はどうやって比較すればよいですか？

同一条件で測ったROC/DET曲線（閾値ごとのFMRとFNMRの対応を描いた曲線）で比較するのが本来の方法です。各社に「FMR固定時のFNMR」を同じFMR値で提示してもらうと土俵が揃います。あわせてNISTのFRTE/FRVTのような公開ベンチマークへの参加実績や、FIDOの顔照合認定など第三者評価の有無も判断材料になります。

主な参考資料: ISO/IEC 19795-1:2021（生体認証の性能試験と報告）、NIST FRTE/FRVT（顔認識技術の公開評価）、FIDO Face Verification Certification

TodoONada株式会社は、マイナンバーカード認証（JPKI・eKYC）を組み込んだWebサービス・スマホアプリの受託開発を行っています。方式選定から開発・運用までのワンストップ支援に加え、顔照合ベンダーの評価設計、閾値と手動審査体制の設計といった個別の技術支援にも対応します。料金の目安は認証機能組込みプラン150万円〜、認証込みアプリ開発プラン400万円〜です。詳しくはマイナンバーシステム導入支援をご覧いただくか、お問い合わせからご相談ください。

---

この記事に関連するサービス

TodoONada株式会社では、マイナンバーカード認証を組み込んだシステム開発を行っています。

• マイナンバーシステム導入支援 — JPKI・eKYC対応の本人確認をワンストップで

導入・開発のご相談はお問い合わせからお気軽にどうぞ。検討段階のご相談も歓迎です。