- 发布
- 更新
测试时避免复制真实受试者数据，有助于保护隐私。但过于简单的合成示例从不触发长注释、缺失值或真实记录关系，可能因此漏掉重要缺陷。
保留数据的含义
设计测试数据不应只关注行数。为关键字段边界、记录关系及预期例外创建覆盖清单。合成记录应易于辨认，并应防止其进入真实研究流程。移除直接身份标识信息，不能自动证明在所有背景下隐私保护都充分；责任方应另行评估拟议数据使用安排。
示例分析
例如，每名测试受试者都只有一次访视，姓名也很短。随后，具有多次访视的正式受试者在传输中出现错误关联。团队为合成受试者增加重复访视、更正结果和延迟交付，并预先写明预期关系。此时，有针对性的复杂性比增加随机行更有用。
核查要点
- 明确每项关键要求所对应的合成示例。
- 同时覆盖长文本、空白、边界及关联记录。
- 防止将测试身份用作真实生产受试者。
验收与适用边界
验收意味着数据集代表既定业务风险，且其预期结果可以被独立理解。合成数据生成器不应产生错误预期；应复核关键示例。不必要的真实数据不能增强测试证据。保留可检索的示例版本及其所用测试，以便需要时重建。
常见问题
- 测试行越多是否总意味着覆盖越好？
- 数据量可能测试的是另一个问题；即使大型数据集也仍可能缺少关键情景。
- 去标识的来源数据是否属于合成数据？
- 不是。应区分来源衍生数据与完全虚构的示例，并明确各自的使用条件。