分享是一种美德，从小就灌输给我们。 不幸的是，当谈到大数据时——即，数据库具有开启一个全新的科学进步世界的潜力——法律领域更喜欢一个笨拙的主题。 解决由此产生的数据库隐私问题的历史方法是匿名化，这是一种减法技术，不仅会导致隐私结果不佳，而且实用性也很差。 取而代之的是匿名化，出现了差异隐私； 它提供了更好、近乎完美的隐私，但在效用方面却有所下降。 今天，另一种解决方案倾向于使用合成数据。 使用机器学习的魔力，合成数据提供了一种生成的、附加的方法——创建几乎但不完全复制的数据。 事实上，正如我们所建议的，合成数据可以与差分隐私相结合，以实现两全其美的场景。 在解开合成数据的技术细微差别后，我们分析了其法律含义，发现了包容性应用的过度和不足。 隐私法规要么过分强调，要么淡化了合成数据泄露机密的可能性，从而导致模棱两可。 我们得出的结论是，合成数据是原始数据的有效、注重隐私的替代方案，但并非适用于所有情况。 最后，计算机科学的进步必须与适当的政策相配合，以推动有用数据传播领域向前发展。
