Dados sintéticos

Dados sintéticos são produzidos por modelos estatísticos, simulações ou IA generativa treinados com dados reais. Podem preencher lacunas de grupos sub-representados, criar casos de teste para eventos raros e reduzir o volume de dados pessoais reais manipulados pelas equipes, por isso costumam figurar entre as tecnologias de reforço da privacidade.

Eles não são automaticamente anônimos. Autoridades como o ICO e a EDPS lembram que um gerador treinado com dados pessoais pode memorizar e reproduzir registros reais, e que casos atípicos podem ser reidentificados. Se os dados sintéticos ficam fora da LGPD ou do GDPR depende de uma avaliação documentada do risco de reidentificação, de preferência combinada com técnicas como privacidade diferencial. Treinar o gerador já é tratamento e precisa de base legal. Dados sintéticos também herdam ou ampliam vieses da fonte, então verificações de proveniência e qualidade continuam necessárias.

Exemplo: um banco gera históricos de transações sintéticos para testar um sistema antifraude, verifica que nenhum registro sintético coincide com um cliente real e identifica claramente o conjunto.