← 返回洞察
AI 与法律
合成数据不等于免责:隐私风险仍需评估
用合成数据训练常被视为隐私友好,但若可反推真实个体,风险依然存在。
合成数据常被当作隐私友好的替代方案,但如果合成数据可被反推、重识别出真实个体,隐私风险并未消除。
监管越来越关注“去标识”与“匿名”的实际强度,而非标签。
务实做法是对合成与去标识数据做重识别风险评估、保留方法与测试记录,并对高敏感场景采取更强的保护。
用合成数据训练常被视为隐私友好,但若可反推真实个体,风险依然存在。
合成数据常被当作隐私友好的替代方案,但如果合成数据可被反推、重识别出真实个体,隐私风险并未消除。
监管越来越关注“去标识”与“匿名”的实际强度,而非标签。
务实做法是对合成与去标识数据做重识别风险评估、保留方法与测试记录,并对高敏感场景采取更强的保护。