今回は、フォールスポジティブ・ネガティブについて詳しく説明します。
情報セキュリティや機械学習、統計の分野ではよく出てくる フォールスポジティブ（偽陽性） と フォールスネガティブ（偽陰性）。
特に 応用情報技術者試験 では、過去問でも何度も出題されている重要な用語です。
この記事では以下を中心に解説します。
- フォールスポジティブ / フォールスネガティブ の意味
- 応用情報試験の過去問例
- 混同行列との関係
- 実務（セキュリティ・医療・AI）での具体例
- 試験で狙われやすいポイント
前半では応用情報向け、後半ではさらに深い内容の解説をしています。
フォールスポジティブ・ネガティブとは？
フォールスポジティブ（偽陽性）
本当は 異常がないのに、異常ありと判定 してしまう誤り。
例：安全なファイルを「ウイルス」と検知してしまうウイルス対策ソフト
以降は「FP（False Positive）」と略して説明していきます。
フォールスネガティブ（偽陰性）
本当は 異常があるのに、正常と判定 してしまう誤り。
例：ウイルスに感染したファイルを「安全」と見逃してしまうケース
以降は「FN（False Negative）」と略して説明していきます。
応用情報試験の過去問例
マルウェア対策ソフトでのフォールスネガティブに該当するものはどれか。
応用情報技術者平成31年春期 午前問41
選択肢の一つに
- 「マルウェアに感染しているファイルを，マルウェアに感染していないと判断する。」
というものがあり、これが正解です。
試験ではこのように「セキュリティ製品における誤検知・見逃し」の観点から問われることが多いです。
混同行列との関係
FP / FN を理解するには、混同行列 が便利です。
| 判定＼実際 | 異常あり | 異常なし |
|---|---|---|
| 異常ありと判定 | True Positive (正しく検知) | False Positive（誤検知） |
| 異常なしと判定 | False Negative（見逃し） | True Negative (正しく無視) |
試験では 「偽陽性＝誤検知」「偽陰性＝見逃し」 という言い換えで問われるケースも多いので、整理して覚えておきましょう。
用途別の具体例
セキュリティ
- FP の例：正常な通信を IDS が攻撃と誤検知（ユーザーに誤った警告）
- FN の例：実際に攻撃されているのに、IDS が見逃す（深刻なリスク）
医療
- FP の例：健康な人を「病気あり」と診断（不要な検査・不安の増大）
- FN の例：病気の患者を「健康」と診断（治療の遅れ）
機械学習（AI）
- FP の例：スパムでないメールをスパム判定（重要メールを見逃す可能性）
- FN の例：スパムメールを正常メールと判定（被害に直結）
評価指標との関係
混同行列からは以下のような指標も導けます。
- 適合率（Precision） = TP / (TP + FP)
→ 誤検知が少ないほど上がる - 再現率（Recall） = TP / (TP + FN)
→ 見逃しが少ないほど上がる - F1スコア = Precision と Recall の調和平均
試験では数式までは問われにくいですが、「FP は 適合率に、FN は 再現率 に影響する」 ことを押さえておくと応用力が付きます。
Type I / Type II error との関係
統計学では次のように表現します。
- Type I error：帰無仮説が正しいのに棄却（False Positive）
- Type II error：帰無仮説が誤りなのに採択（False Negative）
試験でも 「統計のエラー分類」と False Positive/Negative を対応させて説明する問題 が出ることがあります。
試験で狙われやすいポイント
- 「False Positive＝誤検知、False Negative＝見逃し」という対比を問う
- セキュリティ製品（ウイルス対策ソフト、IDS/IPS、WAF）での例を出してくる
- Precision / Recall / 混同行列 との関係を押さえているか問う
- 実務的な重要度（FP はユーザー体験に影響、FN は致命的リスクに直結）を問う
まとめ
フォールスポジティブ（偽陽性）＝誤検知
フォールスネガティブ（偽陰性）＝見逃し
この記事が皆様の学習に役立てば幸いです。
ここまで読んでくださり、ありがとうございました。
