Definicja

Dane syntetyczne

Inna nazwa: synthetic data. Kategoria: rzetelna analiza i raportowanie.

Dane syntetyczne są tworzone algorytmicznie lub ręcznie, aby odwzorować wybrane cechy danych rzeczywistych albo jedynie zademonstrować przepływ analizy. Służą między innymi do testowania kodu, nauki, przykładów i kontroli odtwarzalności bez ujawniania danych uczestników.

Prywatność i użyteczność. Dane syntetyczne nie są automatycznie anonimowe. Ryzyko ujawnienia zależy od sposobu generowania, dostępu do danych źródłowych, zachowania rzadkich kombinacji i możliwości łączenia zbiorów. Należy oddzielnie ocenić prywatność oraz to, czy syntetyczny zbiór zachowuje cechy ważne dla konkretnego zastosowania.

Częsty błąd. Użycie słowa „syntetyczne” jako deklaracji zgodności z ochroną danych bez oceny ryzyka ujawnienia i bez opisu sposobu generowania.

Przykład syntetyczny. Zbiór demonstracyjny ma sześć rekordów, średni wiek 31,17 oraz po trzy obserwacje w grupach A i B. Liczby zostały zaprojektowane do przykładu i generator jawnie nie formułuje żadnej deklaracji prywatności.

Jak to zapisać w pracy. Do dokumentacji kodu dołączono syntetyczny zbiór demonstracyjny, opisując cel, reguły generowania i ograniczenia podobieństwa do danych rzeczywistych; oceny anonimizacji dokonano odrębnie.

Dane są syntetyczne; obliczenia odtwarza docs/dane/przyklady-slownik-g10.py.

Powiązane hasła: Odtwarzalność analizy, braki danych, Rzetelność, protokół badania

Jeśli potrzebujesz bezpiecznego przykładu danych do weryfikacji analizy, Wyceń projekt.