В России разработали первый стандарт для синтетических данных
Росстандарт утвердил первую в России серию предварительных национальных стандартов по синтезу данных — технологии, которая позволяет создавать наборы для обучения и тестирования ИИ без включения в них реальных записей. Три документа вступят в силу 1 сентября и будут действовать три года. По итогам апробации их положения могут лечь в основу постоянных национальных стандартов.
Серию разработала Ассоциация больших данных, в которую входят «Яндекс», VK, «Сбер», Т-Банк, МТС и другие компании, при участии АНО «Национальный технологический центр цифровой криптографии» и отраслевых экспертов. В нее вошли ПНСТ 1064−2026 «Синтез данных. Основные положения», ПНСТ 1065−2026 об архитектуре и методах синтеза и ПНСТ 1066−2026 об описании результатов и оценке качества.
Синтетические данные — это искусственно созданные массивы информации, которые воспроизводят формат, структуру и статистические свойства реальных данных, но не соответствуют напрямую конкретным людям или объектам. Их используют для обучения ИИ, тестирования информационных систем и обмена данными, когда доступ к исходной информации ограничен. Однако сама по себе синтетичность не гарантирует полной безопасности — уровень защиты зависит от методов генерации и проверки набора.
Первый документ закрепляет основные понятия и принципы, второй описывает архитектуру процесса и методы генерации, а третий объясняет, как оформлять результаты и оценивать качество полученных данных. Базовый стандарт распространяется на полностью синтетические табличные данные, создаваемые с помощью нейросетей. В АБД рассчитывают, что единый подход позволит безопаснее создавать обучающие наборы на основе информации, доступ к которой ограничен требованиями о защите персональных данных.
В отрасли появление единых правил встретили положительно. В «Ростелекоме» считают, что они помогут частично компенсировать нехватку качественных датасетов, а в «МегаФоне» ожидают снижения правовой неопределенности при разработке ИИ-продуктов. Опрошенные РБК эксперты при этом не ждут, что синтетические данные полностью вытеснят реальные. Скорее они станут дополнением там, где информации не хватает или доступ к ней ограничен.
Единого международного стандарта для синтетических данных пока нет. Великобритания и Сингапур выпустили собственные рекомендации по их созданию и использованию. ISO и IEC совместно готовят технический отчет ISO/IEC 42 103 с обзором синтетических данных в ИИ, а IEEE запустила разработку стандарта P4143 для проверки их качества и практической полезности.
Подпишитесь на «Инк» в Telegram. Там мы пишем нескучным языком о самом важном для предпринимателей. Подписаться.
