计算机工程与应用

作者：郭亚楠, 马瑞强, 崔旭, 杨皓然

单位：1.内蒙古工业大学 数据科学与应用学院，呼和浩特 010080；2.内蒙古北疆网络空间安全重点实验室，呼和浩特 010080；3.明治大学，日本 东京 164-8525；

关键词：数据合成,生成模型,隐私保护,效用性,匿名性

基金：内蒙古自然科学基金（2023LHMS01008）；内蒙古自治区重点研发与成果转化计划（2025YFSH0157）。

在人工智能与机器学习快速发展的背景下，数据作为提升模型性能的关键资源，其获取面临隐私法规限制与数据稀缺等挑战。数据合成技术通过生成高质量合成数据，有效缓解了上述问题，成为当前研究热点。系统综述了数据合成技术的研究进展，从发展脉络、方法体系及评估标准三个维度展开分析。阐述了数据合成技术的应用场景与基本原理；按照技术演进历程，详细梳理了基于统计模型、传统机器学习及深度学习的合成方法；深入探讨了当前技术面临的挑战与未来发展方向，为领域内的理论研究与工程应用提供了重要参考。

来源：2026年第4期

《计算机工程与应用》期刊编辑部

查看计算机工程与应用杂志2026年第4期