Согласно опросу компании «Гарда», почти половина российских организаций регулярно переносят копии продуктивных баз данных в тестовые среды без изменений. При этом 18,8% компаний размещают тестовые базы в одном кластере с боевыми системами.
С 30 мая 2025 года, согласно 420-ФЗ, утечка данных от 1 000 до 10 000 человек влечет штраф для юрлица в размере от 3 до 5 млн рублей. За повторное нарушение предусмотрен штраф от 1% до 3% годовой выручки, но не менее 25 млн рублей.
Процессы обезличивания регулируются приказом Роскомнадзора № 140 от 19.06.2025, действующим с 1 сентября 2025 года. Также с 1 сентября 2026 года вступили в силу стандарты Росстандарта ПНСТ 1064-2026, ПНСТ 1065-2026 и ПНСТ 1066-2026, описывающие методы синтеза и оценки качества данных.
Построение пайплайна синтетических данных включает семь этапов, начиная с классификации полей. Переход к следующему этапу возможен при подтверждении классификации не менее 95% полей. Для анализа данных рекомендуются инструменты ydata-profiling, Great Expectations, Soda или SQL на ClickHouse.
Контракт на данные, оформляемый в формате YAML, фиксирует требования к датасету, включая объемы и ограничения приватности. В типичной базе около 80% данных генерируется правилами, 15% требуют статистических методов, и лишь 5% нуждаются в применении нейросетей.
