Synthetic Data Generation Validation Continuity

域 ID	domain.synthetic-data-generation-validation-continuity
C 层级	C2
研究对象	Synthetic Data Generation Validation Continuity
持续性作用	关键词显示该域主要维护身体、脑、器官、细胞、急性生命风险或衰老损伤控制。
证据状态	部分审查
仓库路径	domains/c2-source-maintenance/synthetic-data-generation-validation-continuity

Synthetic Data Generation Validation Continuity是 Human Infra 对“Synthetic Data Generation Validation Continuity”建立的稳定研究域；其对象边界由仓库材料界定为：synthetic-data-generation-validation-continuity/ 研究合成数据生成、隐私风险、效用验证、分布保真、偏差扩散和下游评估，如何决定合成数据能否作为 Human Infra 的研究与 AI 训练材料。^[1]

本页只描述一个稳定对象：Synthetic Data Generation Validation Continuity。它不等同于单一产品、个体方案或既成疗效；同名活动若具有不同对象、终点或治理责任，应另建页面而不是合并结论。

• 合成数据生成方法、隐私攻击风险、相似性、成员推断、属性泄露、效用和公平性。
• 分布保真、边界案例、下游模型性能、误差传播、标注语义和 synthetic-to-real gap。
• 合成数据说明书、生成模型版本、原始数据来源、验证报告和禁止用途。
• 与 privacy-preserving-computation/ 的关系：隐私计算域关注安全计算机制；本域关注合成数据作为产物是否可靠。
• 与 ai-data-provenance-contamination-drift-continuity/ 的边界：数据谱系域关注全链路来源和漂移；本域关注合成数据生成与验证。

本域位于 C2：可能性源体维护层。通过降低身体、脑、器官、细胞或损伤失效速率间接延长可用时间，是主体持续性的载体维护层。

原域给出的持续性作用为：关键词显示该域主要维护身体、脑、器官、细胞、急性生命风险或衰老损伤控制。。在证据上必须区分直接作用、间接作用和条件保障；除非出现预先定义的生存、功能、风险或连续性终点，不能把过程完成或机制合理性写成“实现有效永生”。

• 对象变量：合成数据生成方法、隐私攻击风险、相似性、成员推断、属性泄露、效用和公平性。
• 对象变量：分布保真、边界案例、下游模型性能、误差传播、标注语义和 synthetic-to-real gap。
• 对象变量：合成数据说明书、生成模型版本、原始数据来源、验证报告和禁止用途。
• 对象变量：与 privacy-preserving-computation/ 的关系：隐私计算域关注安全计算机制；本域关注合成数据作为产物是否可靠。

Synthetic Data Generation Validation Continuity
  -> 改变上述可测变量与约束
  -> 改变主体能力、载体状态或外部路径可达性
  -> 改变失败率、恢复时间、资源消耗或不可逆损失风险
  -> 只有在适用对象与时间窗内改善最终功能/生存/连续性终点，才支持持续性收益

反向解释同样必要：变量变化可能只是相关、测量偏差或代理终点变化，不能自动归因于该域中的某项干预。

• 定义对象、适用人群、情境和时间窗；
• 建立可测变量、基线、对照和失败阈值；
• 比较预防、修复、替代、制度或信息路线，并把副作用与机会成本纳入。

路线比较至少要记录前置依赖、可验证终点、失败阈值、替代路线和退出条件；未来路线一律按“条件性”处理，不写虚假实现年份。

上游或高层约束：

• 衰老机制与长寿干预专题
• 长寿科学
• 风险工程

下游技术或相邻对象：

• 生物年龄时钟
• AI Data Provenance Contamination Drift Continuity
• Data Quality Missingness Representativeness
• Synthetic Biology Biosecurity
• Health Data Privacy Governance

若主要路线不能达到最终终点，应比较风险预防、损伤修复、功能替代、流程改造、社会支持或退出/转介等替代方案，而不是以增加复杂度代替证据。

2026-07-25 结构化审查完成；登记 5 条 Source Signals，其中 4 条为具体 URL、1 条为首页/搜索/聚合路由。仅核心来源或相应证据页标明“已核验”时，才可承担实质主张。

最低验证要求是：明确适用对象、基线、对照、时间窗、测量误差和预注册终点；同时报告不良结果、失败案例和分布差异。过程指标只能证明过程发生，不能单独证明主体风险下降。

反证条件：若在合格设计中未改善预设最终终点、净风险上升、效果不能重复、只在不相关模型成立，或依赖不可接受的资源与治理假设，则应降低本域路线的证据等级。

• 对象漂移：把多个不同对象、场景或人群混成一个平均结论。
• 代理终点替代：把点击、完成率、分子指标、短期性能或局部成功当作长期净收益。
• 因果越界：把相关性、机制合理性、体外/动物结果、早期临床或预测模型写成已证实的人体效果。
• 可达性失败：技术存在但人员、成本、供应链、法律、基础设施或维护使其不可用。
• 风险转移：局部风险下降但把负担转移给其他器官、家庭、群体、时间段或公共系统。
• 本页不提供个体诊断、治疗、用药、寿命预测、法律决策或危险实验操作建议。

1. 哪个最终终点最能代表本域对主体持续性的真实贡献？
2. 哪些变量是因果中介，哪些只是相关指标或记录偏差？
3. 效果在不同人群、地区、资源水平和长期时间尺度上是否可重复？
4. 何种失败阈值应触发暂停、替代、转介或治理升级？
5. 本域与相邻页面的边界是否足够稳定，是否仍存在需要拆分的对象？

以下内容来自受治理的 Human Infra 域 README，用于保留项目问题分解和历史语境；其中外部事实仍以证据页为准。^[2]

synthetic-data-generation-validation-continuity/ 研究合成数据生成、隐私风险、效用验证、分布保真、偏差扩散和下游评估，如何决定合成数据能否作为 Human Infra 的研究与 AI 训练材料。

核心问题：合成数据可以降低隐私和稀缺数据约束，也可能制造虚假规律、泄露原始样本或放大偏差。它不是天然安全数据。

有效永生 / 主体持续性最大化
  -> 需要更多可用数据支持研究、评测、仿真和 AI 工具训练
  -> 真实数据常受隐私、稀缺、偏差、访问和伦理约束限制
  -> 合成数据可能缓解约束，但必须验证隐私、效用、分布和下游影响
  -> 因此合成数据生成与验证是数据稀缺到可审查数据资源的转换域

• 合成数据生成方法、隐私攻击风险、相似性、成员推断、属性泄露、效用和公平性。
• 分布保真、边界案例、下游模型性能、误差传播、标注语义和 synthetic-to-real gap。
• 合成数据说明书、生成模型版本、原始数据来源、验证报告和禁止用途。
• 与 privacy-preserving-computation/ 的关系：隐私计算域关注安全计算机制；本域关注合成数据作为产物是否可靠。
• 与 ai-data-provenance-contamination-drift-continuity/ 的边界：数据谱系域关注全链路来源和漂移；本域关注合成数据生成与验证。

合成数据生成与验证 T
  -> 改变数据可用性、隐私风险、分布保真、偏差和下游效用变量 X
  -> 改变模型训练、仿真、评测和研究验证的数据状态 S
  -> 改变隐私泄露、虚假规律、偏差扩散和模型失效风险 λ(t)
  -> 影响研究速度、AI 工具可靠性、主体隐私和未来选择权

• 不提供重新识别、成员推断攻击、隐私攻击、规避审查或用合成数据洗白敏感数据的方法。
• 不把合成数据写成自动匿名化、自动合规或自动无偏。
• 不使用合成数据输出个体医疗、法律、金融或寿命预测。

• 建立 Synthetic Data Card 字段：generator, source data boundary, privacy test, utility test, distribution check, downstream mismatch, forbidden use。
• 与 privacy-preserving-computation/、ai-data-provenance-contamination-drift-continuity/ 和 data-quality-missingness-representativeness/ 建立验证接口。

• 证据来源：NIST Privacy Framework（99540854）：NIST Privacy Engineering and synthetic data resources（证据等级见来源页）^[3]
• 证据来源：UK ICO anonymisation and synthetic data guidance（05751d95）：UK ICO anonymisation and synthetic data guidance（证据等级见来源页）^[4]
• 证据来源：NIST AI Risk Management Framework（54dbc154）：NIST AI Risk Management Framework（证据等级见来源页）^[5]
• 证据来源：EU AI Act information portal（1ad6dc89）：EU AI Act information portal（原 Source Signals 指向首页、搜索或聚合入口；未作为外部链接导入）
• 证据来源：Datasheets for Datasets（641a177c）：Datasheets for Datasets（证据等级见来源页）^[6]

• 研究域全景索引
• C2研究域
• 技术路线全景索引
• 证据地图与支持边界
• 争议、未知与禁止推论
• Human Infra 仓库：domains/c2-source-maintenance/synthetic-data-generation-validation-continuity