合成数据的前沿数据治理机会与挑战

合成数据，或由机器学习模型生成的数据，正日益成为解决数据访问问题的解决方案。然而，其使用引入了显著的治理和问责制挑战，可能损害现有的治理范式，如计算和数据治理。本文识别了合成数据提出的 3 项关键治理和问责制挑战——它可以促进恶意行为者的增加、出现自发性偏见和价值漂移。我们因此构建了 3 项技术机制以解决这些具体挑战，发现其对抗训练、偏见缓解和价值强化等合成数据应用具有意义。这些不仅可以抵消合成数据的风险，还可作为未来前沿治理的关键杠杆。