Персональные данные в датасетах: режим обработки и риски

Почему датасет с персональными данными — зона повышенного регуляторного риска

Любой набор данных для обучения искусственного интеллекта, в котором присутствуют сведения о людях, — это не просто технический актив, а объект правового регулирования с высоким уровнем риска. Фотографии с лицами, тексты обращений клиентов, записи телефонных разговоров, истории покупок, биометрические образцы — всё это персональные данные, и как только они попадают в датасет, к нему применяется весь массив требований законодательства о персональных данных. Понятие персональных данных намеренно широкое: это любая информация, относящаяся к прямо или косвенно определённому или определяемому физическому лицу, как закреплено в ст. 3 Закона № 152-ФЗ. Поэтому иллюзия, будто «у нас просто массив данных, а не картотека с паспортами», опасна: если по совокупности признаков человека можно идентифицировать, данные являются персональными.

Базовый принцип регулирования — обработка персональных данных должна осуществляться на законном основании, исчерпывающий перечень которых установлен ст. 6 Закона № 152-ФЗ. Это означает, что для каждого датасета с персональными данными должен существовать ответ на вопрос: на каком именно основании эти данные собраны и используются для обучения модели. Согласие субъекта — лишь одно из оснований и далеко не всегда самое удобное; закон допускает обработку и в иных случаях, например для исполнения договора, стороной которого является субъект, или для достижения законных интересов оператора при соблюдении баланса с правами субъекта. Грамотный подход к датасету начинается не с разметки, а с правового картирования: какие данные, откуда, на каком основании и для какой цели.

Цена ошибки в этой сфере резко выросла и продолжает расти. С 30 мая 2025 года действует Федеральный закон от 30.11.2024 № 420-ФЗ, который существенно ужесточил административную ответственность по ст. 13.11 КоАП РФ и впервые ввёл оборотные штрафы за повторную утечку персональных данных, рассчитываемые от выручки. Для бизнеса, накапливающего большие датасеты, это означает смену парадигмы: персональные данные в обучающем наборе перестали быть «техническим» вопросом ИТ-отдела и стали вопросом управления существенным финансовым и репутационным риском, требующим участия юриста и специалиста по информационной безопасности с самого начала проекта.

Законность обработки: основания и цели

Первое, что должен установить оператор, формирующий датасет, — правовое основание обработки. Перечень оснований в ст. 6 Закона № 152-ФЗ закрыт, и обработка вне его незаконна. Наиболее очевидное основание — согласие субъекта, требования к которому установлены ст. 9 Закона № 152-ФЗ: согласие должно быть конкретным, предметным, информированным и сознательным, а бремя доказывания его получения лежит на операторе. Это создаёт практическую сложность: согласие, данное для одной цели (например, для оказания услуги), не покрывает автоматически другую цель — использование тех же данных для обучения ИИ. Если оператор планирует обучать модели на клиентских данных, цель обучения должна быть либо охвачена согласием, либо опираться на иное законное основание.

Принцип ограничения цели — один из ключевых и часто нарушаемых. Обработка должна ограничиваться достижением конкретных, заранее определённых и законных целей, а данные не должны быть избыточными по отношению к заявленным целям. Это прямо вытекает из принципов обработки, и для датасета это значит, что нельзя собрать данные «про запас» на все случаи жизни: каждая категория данных в наборе должна быть оправдана целью обучения. Использование данных для цели, не совместимой с той, для которой они собирались, требует самостоятельного основания. Поэтому при переиспользовании ранее собранных массивов для обучения ИИ необходим отдельный анализ совместимости целей, а не молчаливое допущение, что «данные уже есть, значит, можно».

Особую категорию образуют специальные категории персональных данных (о здоровье, расовой и национальной принадлежности, политических и религиозных взглядах) и биометрические персональные данные. Их обработка подчинена более строгому режиму, а биометрия — отдельным правилам с дополнительными гарантиями. Для датасетов это критично: набор фотографий лиц, используемый для обучения системы распознавания, затрагивает биометрические данные, и к нему предъявляются повышенные требования. Недооценка этого различия — одна из самых частых и дорогих ошибок при формировании обучающих наборов, поскольку режим специальных категорий не допускает той же свободы, что обработка обычных данных.

Обезличивание: эффективный, но недопонятый инструмент

Обезличивание — главный технический способ снизить регуляторную нагрузку на датасет, и одновременно самый недопонятый. Обезличивание персональных данных — это действия, в результате которых становится невозможным без использования дополнительной информации определить принадлежность данных конкретному субъекту; легальное определение и режим закреплены в ст. 3 Закона № 152-ФЗ и развиты в ст. 10.1 Закона № 152-ФЗ. Идея проста: если по данным нельзя установить личность, риск для субъекта резко снижается, а вместе с ним — и нагрузка на оператора. Поэтому обезличивание данных перед включением в обучающий набор, когда это совместимо с задачей, — лучшая практика, которую я рекомендую закладывать в проект по умолчанию.

Однако обезличивание должно быть настоящим, а не косметическим, и здесь кроется главная ловушка. Простое удаление имени и замена его на идентификатор не делает данные обезличенными, если по остальной совокупности признаков человека всё ещё можно вычислить — особенно при наличии дополнительной информации или возможности сопоставления с другими наборами. Риск повторной идентификации (деанонимизации) — реальная проблема для больших датасетов: чем богаче набор признаков, тем выше шанс восстановить личность. Поэтому обезличивание оценивается не по форме (убрали ли явные идентификаторы), а по результату (можно ли в принципе идентифицировать субъекта). Если идентификация остаётся возможной, данные продолжают считаться персональными со всеми обязанностями оператора, и иллюзия обезличенности лишь усугубляет риск, создавая ложное чувство безопасности.

Практический вывод для оператора: обезличивание следует документировать как процесс — какие признаки удалены или преобразованы, как оценивался остаточный риск идентификации, как хранится (и хранится ли вообще) дополнительная информация, позволяющая восстановить связь. Если дополнительная информация для деобезличивания сохраняется, она сама является чувствительным активом и подлежит усиленной защите. А наиболее надёжный вариант — необратимое обезличивание без сохранения связующей информации, после которого восстановление личности невозможно; такой набор несёт минимальный регуляторный риск, но и применим не для всех задач обучения.

Согласие и поручение обработки: два разных механизма

В работе с датасетами постоянно смешивают два совершенно разных механизма — согласие субъекта и поручение обработки. Согласие по ст. 9 Закона № 152-ФЗ — это правовое основание обработки, отношение между оператором и субъектом данных. Поручение обработки — это отношение между оператором и третьим лицом, которому оператор поручает обработку. Когда компания привлекает подрядчика для разметки датасета, она не получает у подрядчика согласие — она оформляет с ним поручение обработки. Путаница этих механизмов приводит к тому, что в договоре с разметчиком оказывается ненужный блок про согласие, а обязательные условия поручения отсутствуют.

Поручение обработки подчинено строгим требованиям. Оператор вправе поручить обработку другому лицу с согласия субъекта, если иное не предусмотрено законом, на основании договора; при этом поручение должно содержать обязательный перечень условий, прямо установленный ч. 5 ст. 18 152-ФЗ и развитый в ст. 18.1 Закона № 152-ФЗ: перечень действий с персональными данными, цели обработки, обязанность соблюдать конфиденциальность и обеспечивать безопасность, требования к защите. Принципиальный момент распределения ответственности: лицо, осуществляющее обработку по поручению, не обязано получать согласие субъекта, но обязано соблюдать принципы и правила обработки, а перед субъектом за его действия отвечает оператор, давший поручение. Обработчик, в свою очередь, отвечает перед оператором.

Из этой конструкции следует практический императив для оператора-заказчика: в договоре с любым лицом, которое прикасается к датасету (разметчик, облачный провайдер, разработчик модели), необходима регрессная защита. Оператор остаётся «лицом ответственным» перед субъектом и регулятором, поэтому он должен иметь возможность переложить на обработчика санкции и убытки, возникшие из-за нарушений обработчика. Без такой оговорки оператор оплачивает чужие ошибки. Кроме того, важно ограничить право обработчика на дальнейшую передачу данных (субобработку) — неконтролируемая цепочка субподрядчиков размывает ответственность и теряет данные.

Безопасность данных и локализация

Меры безопасности при обработке персональных данных в датасете не отдаются на усмотрение оператора — они обязательны. Оператор обязан принимать необходимые правовые, организационные и технические меры для защиты персональных данных от неправомерного доступа, уничтожения, изменения, распространения, что прямо установлено ст. 19 Закона № 152-ФЗ. Состав организационных мер, включая назначение ответственного, издание политики обработки и локальных актов, закреплён в ст. 18.1 Закона № 152-ФЗ. Конкретные требования к защите дифференцированы в зависимости от типа угроз и категории данных подзаконными актами, и для биометрии и специальных категорий они строже. Датасет — это концентрация данных, и его компрометация затрагивает сразу множество субъектов, поэтому требования к его защите должны быть на верхнем, а не на минимальном уровне.

Требование локализации — одно из самых значимых для архитектуры хранения датасета. При сборе персональных данных, в том числе через информационно-телекоммуникационные сети, оператор обязан обеспечить запись, систематизацию, накопление, хранение, уточнение и извлечение персональных данных граждан России с использованием баз данных, находящихся на территории Российской Федерации, как установлено ч. 5 ст. 18 152-ФЗ. Для датасетов с данными россиян это означает, что первичная база должна находиться в России; использование зарубежных облачных хранилищ для первичной обработки нарушает требование локализации. Это прямое условие выбора инфраструктуры, а не техническая деталь, и его несоблюдение — частое основание для претензий регулятора.

Трансграничная передача данных из датасета подчинена отдельному режиму с предварительным уведомлением регулятора и оценкой уровня защиты в стране-получателе. Если в проекте обучения участвуют зарубежные подрядчики или облачные сервисы, передача им персональных данных не происходит автоматически — она требует соблюдения процедуры трансграничной передачи. Игнорирование этого режима — типичная ошибка международных команд, привыкших свободно перемещать данные между юрисдикциями. В российском регулировании такая свобода ограничена, и нарушение процедуры влечёт ответственность независимо от того, произошла ли фактическая утечка.

Права субъектов и реагирование на инциденты

Включение данных человека в обучающий датасет не лишает его прав субъекта персональных данных, и оператор обязан обеспечивать их реализацию. Субъект вправе получать информацию об обработке, требовать уточнения, блокирования или уничтожения данных, отзывать согласие. Реализация этих прав в контексте датасета технически сложна: если данные уже использованы для обучения модели, удалить «вклад» конкретного субъекта из обученных весов практически невозможно. Это создаёт серьёзный методологический вызов, и ответ на него лежит в плоскости предварительного проектирования: чем больше данных обезличено до обучения, тем меньше остаётся обязанностей по реализации прав конкретных субъектов в отношении обученной модели.

Отзыв согласия требует особого внимания. Субъект вправе отозвать согласие, и при отзыве оператор обязан прекратить обработку, если отсутствует иное законное основание её продолжения. Для датасета это означает необходимость заранее продумать, что произойдёт при массовом отзыве согласий: сохранится ли иное основание обработки, потребуется ли исключение данных, как это повлияет на уже обученную модель. Опора исключительно на согласие как основание делает датасет уязвимым — отзыв согласий способен подорвать правомерность всего набора. Поэтому при наличии устойчивого иного основания (например, обработка обезличенных данных) оно предпочтительнее хрупкого фундамента из отзываемых согласий.

Реагирование на инциденты безопасности стало жёстко регламентированным. Действующее регулирование обязывает оператора уведомлять регулятора о фактах неправомерной передачи (утечки) персональных данных в сжатые сроки. Несвоевременное уведомление само по себе является нарушением. Поэтому в организации должна быть заранее выстроена процедура реагирования: обнаружение инцидента, оценка, уведомление регулятора и субъектов в установленные сроки, фиксация. Для датасетов, где компрометация затрагивает множество субъектов одновременно, скорость и корректность реагирования прямо влияют на размер ответственности, в том числе на применение оборотных штрафов по ужесточённой ст. 13.11 КоАП РФ.

Ответственность: административная, уголовная и гражданская

Ответственность за нарушения при обработке персональных данных в датасетах наступает по трём линиям. Административная — основная и наиболее массовая: ст. 13.11 КоАП РФ предусматривает санкции за нарушение порядка обработки, а с 30 мая 2025 года после вступления в силу Федерального закона от 30.11.2024 № 420-ФЗ их размеры существенно повышены, и за повторную утечку введены оборотные штрафы от выручки. Это качественно меняет риск-профиль: штраф перестал быть несущественной издержкой и стал величиной, сопоставимой с финансовыми результатами бизнеса. Для операторов крупных датасетов это главный аргумент в пользу инвестиций в комплаенс.

Уголовная линия применяется к наиболее тяжким нарушениям: незаконное собирание или распространение сведений о частной жизни лица составляет состав по ст. 137 УК РФ, а неправомерный доступ к компьютерной информации — по ст. 272 УК РФ. Эти риски особенно актуальны там, где данные собирались сомнительными способами или где к датасету получили доступ посторонние. Гражданско-правовая линия — это требования самих субъектов: возмещение убытков по ст. 15 ГК РФ и компенсация морального вреда, основания которой и подходы к которой разъяснены в Постановлении Пленума Верховного Суда РФ от 15.11.2022 № 33 о компенсации морального вреда. Совокупность трёх линий ответственности делает небрежное обращение с персональными данными в датасете крайне рискованным.

Краткое заключение

Персональные данные в датасетах — это область, где техническая задача обучения модели неотделима от строгого правового режима. Системный подход строится на нескольких столпах: правовое основание для каждой категории данных по ст. 6 Закона № 152-ФЗ с учётом ограничения цели; настоящее, а не косметическое обезличивание по ст. 10.1 Закона № 152-ФЗ как способ снижения риска; корректное оформление поручения обработки с обязательными условиями по ч. 5 ст. 18 152-ФЗ и регрессной защитой; обязательные меры безопасности по ст. 19 Закона № 152-ФЗ и соблюдение локализации по ч. 5 ст. 18 152-ФЗ. С учётом ужесточённой ответственности по ст. 13.11 КоАП РФ и введённых оборотных штрафов работа с персональными данными в обучающих наборах требует участия юриста и специалиста по безопасности с самого начала, а не постфактум. Лучшая стратегия — проектировать датасет как защищённый по умолчанию: минимум персональных данных, максимум обезличивания, документированные основания и заранее выстроенное реагирование на инциденты.