バイオメトリクスの文脈において、「マッチング信頼度（matching confidence）」とは、特定のマッチング判断が正しいという確信度を指す。多くのバイオメトリクスシステムは、法医学的捜査など重要な意思決定プロセスに用いられるため、マッチング信頼度を正確かつ信頼性高く提示することは極めて重要である。これまでのバイオメトリクス信頼度推定に関する研究は、高信頼度と低信頼度を良好に区別することはできても、解釈可能性に欠けており、判断の正しさに関する正確な確率的推定を提供できていない。本研究では、同一個人のサンプルから得られたスコアである確率を正確に反映する確率論的解釈可能な比較スコア（Probabilistic Interpretable Comparison, PIC）を提案する。我々は、提案手法が最適なマッチング信頼度を提供することを理論的に証明した。他の手法とは異なり、複数のサンプルを統合してジョイントPICスコアを最適に組み合わせることも可能であり、これにより識別性能および信頼度推定性能がさらに向上する。実験では、提案手法であるPICは、4つの公開データベースおよび5つの最先端の顔認識システムにおいて、すべての既存のバイオメトリクス信頼度推定手法と比較された。その結果、PICは類似手法に比べて著しく優れた確率的解釈性を示し、マルチバイオメトリクス認識において極めて有効であることが実証された。本研究のコードは公開されている。