介绍
什么是合成数据？
答案比较简单。 原始数据是在您与真实的人（例如客户、患者、员工等）的所有互动中以及通过您的所有内部流程收集的，而合成数据是由计算机算法生成的。 该计算机算法生成全新的人工数据点。
解决数据隐私挑战
合成生成的数据由全新的人工数据点组成，与原始数据没有一对一的关系。 因此，没有一个合成数据点可以追溯到或反向工程到原始数据。 因此，合成数据不受 GDPR 等隐私法规的约束，可作为解决和克服数据隐私挑战的解决方案。
增强和模拟
合成数据生成的生成方面允许增强和模拟全新的数据。 当您没有足够的数据（数据稀缺），想要对边缘情况进行上采样或您还没有数据时，这可以作为解决方案。
在这里，Syntho 的重点是结构化数据（在包含行和列的表格中格式化的数据，就像您在 Excel 工作表中看到的那样），但我们总是喜欢通过图像来说明合成数据的概念，因为它更具吸引力。
合成数据的类型
合成数据保护伞中确实存在三种类型的合成数据。 这 3 种类型的合成数据是：虚拟数据、基于规则生成的合成数据和人工智能 (AI) 生成的合成数据。 我们将简要解释 3 种不同类型的合成数据是什么。
虚拟数据/模拟数据
虚拟数据是随机生成的数据（例如通过模拟数据生成器）。
因此，原始数据中的特征、关系和统计模式不会在生成的虚拟数据中保留、捕获和再现。 因此，与原始数据相比，虚拟数据/模拟数据的代表性最小。
- 何时使用它：替换直接标识符 (PII) 或当您还没有数据并且不想在定义规则上花费时间和精力时。
基于规则生成的合成数据
基于规则生成的合成数据是由一组预定义的规则生成的合成数据。 这些预定义规则的示例可能是您希望获得具有某个最小值、最大值或平均值的合成数据。 您希望在基于规则生成的合成数据中重现的任何特征、关系和统计模式都需要预先定义。
因此，数据质量将与预定义的规则集一样好。 当高数据质量至关重要时，这会带来挑战。 首先，人们只能定义一组有限的规则以在合成数据中捕获。 此外，设置多个规则通常会导致规则重叠和冲突。 此外，您永远不会完全涵盖所有相关规则。 此外，可能还有您甚至不知道的相关规则。 最后（不要忘记），这将花费您大量的时间和精力，从而导致解决方案效率低下。
- 何时使用它：当您没有数据时（还）
人工智能 (AI) 生成的合成数据
顾名思义，人工智能 (AI) 生成的合成数据是人工智能 (AI) 算法生成的合成数据。 AI 模型在原始数据上进行训练，以学习所有特征、关系和统计模式。 此后，该人工智能算法能够生成全新的数据点，并对这些新数据点进行建模，从而重现原始数据集中的特征、关系和统计模式。 这就是我们所说的合成数据孪生。
人工智能模型模仿原始数据生成合成数据孪生，可以像原始数据一样使用。 这解锁了各种用例，其中 AI 生成的合成数据可用作使用原始（敏感）数据的替代方案，例如将 AI 生成的合成数据用作测试数据、演示数据或用于分析。
与基于规则生成的合成数据相比：AI 算法无需您研究和定义相关规则，而是自动为您执行此操作。 在这里，不仅包括您知道的特征、关系和统计模式，还包括您甚至不知道的特征、关系和统计模式。
- 何时使用它：当您有（一些）数据作为输入来模拟或用作智能数据生成和增强功能的起点时
使用什么类型的合成数据？
根据您的用例，建议使用虚拟数据/模拟数据、基于规则生成的合成数据或人工智能 (AI) 生成的合成数据的组合。 本概述为您提供了要使用哪种类型的合成数据的初步指示。 由于 Syntho 支持所有这些，请随时联系我们的专家与我们一起深入了解您的用例。
