152-ФЗ и датасеты: персональные данные в машинном обучении

Любой, кто собирает, покупает или продаёт датасеты в России, сталкивается с Федеральным законом от 27.07.2006 № 152-ФЗ «О персональных данных». Он определяет, что считать персональными данными, на каком основании их можно обрабатывать и что грозит за нарушения. Ниже — практичный разбор для продавцов и покупателей данных.

⚠️ Статья носит информационный характер и не является юридической консультацией. Законодательство о ПД в России часто меняется. Сверяйтесь с актуальной редакцией на pravo.gov.ru или consultant.ru и консультируйтесь с юристом.

Что такое персональные данные

По ст. 3 152-ФЗ персональные данные — любая информация, относящаяся прямо или косвенно к определённому или определяемому физическому лицу. Определение очень широкое. В датасетах ПД часто оказываются там, где их не ждут:

• ФИО, телефоны, email, адреса, паспортные данные — очевидно;
• фото и видео с лицами, записи голоса;
• никнеймы и ссылки на профили, если по ним можно определить человека;
• геотреки и точные координаты домов;
• номера автомобилей вместе с другими сведениями;
• комбинации «косвенных» признаков: редкая профессия + город + возраст.

Особые категории

Специальные категории (ст. 10): здоровье, раса, национальность, политические и религиозные взгляды, интимная жизнь, судимость. Требуют особых оснований, обычно письменного согласия.

Биометрические ПД (ст. 11): сведения, характеризующие физиологические и биологические особенности человека, используемые для установления личности. Пример — изображения лиц и голоса в системах идентификации. Регулируются отдельно, в том числе через Единую биометрическую систему [проверить актуальные требования].

Основания для обработки

Ст. 6 перечисляет основания. Для датасетов чаще всего релевантны:

1. Согласие субъекта — конкретное, предметное, информированное, сознательное и однозначное. Для передачи третьим лицам и продажи согласие должно это прямо предусматривать.
2. Исполнение договора с субъектом. Не распространяется на продажу этих данных третьим лицам.
3. Обработка в статистических или научных целях — при условии обязательного обезличивания.
4. ПД, разрешённые субъектом для распространения (ст. 10.1) — нужно отдельное согласие на распространение. Тот факт, что данные «лежат в открытом доступе в интернете», сам по себе не даёт права их собирать и использовать [проверить практику].

Почему нельзя «купить базу данных» клиентов

Запросы «продать базу данных» и «купить базу данных» популярны, но за многими из них стоят утёкшие или собранные без согласия базы с ПД. Покупка и продажа таких баз:

• нарушает 152-ФЗ (нет оснований для передачи);
• может подпадать под административную ответственность по ст. 13.11 КоАП РФ и под уголовную ответственность за незаконное использование и передачу компьютерной информации с ПД (поправки 2024 года ввели ст. 272.1 УК РФ) [проверить формулировки и санкции];
• влечёт «оборотные» штрафы за утечки, введённые в КоАП с 30.05.2025 [проверить размеры].

На AI Data Stock продажа баз с персональными данными для обзвонов, рассылок и «пробива» запрещена. Легальные альтернативы для B2B:

• агрегированная статистика без привязки к людям;
• обезличенные наборы для обучения моделей;
• открытые сведения о юрлицах из реестров ФНС в допустимом объёме;
• синтетические данные, повторяющие распределения без реальных людей.

Обезличивание: что это и как делать

Обезличивание (ст. 3) — действия, в результате которых невозможно определить принадлежность ПД конкретному субъекту без использования дополнительной информации. Важно: обезличенные данные с ключом для восстановления формально остаются ПД. Для продажи безопаснее необратимая анонимизация.

Методы:

• удаление прямых идентификаторов (ФИО, телефоны, email, паспорта);
• замена на псевдонимы или случайные ID (псевдонимизация — помните про ключ);
• обобщение — возраст интервалами, город вместо адреса, месяц вместо даты;
• маскирование на фото и видео — размытие лиц и номеров;
• агрегация — счётчики и средние вместо записей;
• внесение шума и проверка k-анонимности (каждая комбинация признаков встречается минимум k раз).

Требования к методам обезличивания устанавливает Роскомнадзор (приказ РКН) [проверить актуальный приказ]. С 2024–2025 годов действуют и нормы о передаче обезличенных данных в государственную информационную систему [проверить].

Голос и лица: особый случай

• Речевые датасеты: голос — ПД, а при использовании для идентификации — биометрия. Нужны письменные согласия дикторов на запись, использование для обучения ИИ и передачу покупателям. См. Датасеты речи на русском.
• Фото людей: для обучения моделей детекции людей (не идентификации) обычно всё равно нужно основание. Безопаснее размывать лица, если они не цель датасета.
• Медицинские данные — специальная категория плюс врачебная тайна. Только обезличенно и с основаниями. См. Датасеты для медицины.

Локализация

Ч. 5 ст. 18: при сборе ПД граждан РФ запись, систематизация, накопление, хранение, уточнение и извлечение должны выполняться с использованием баз данных на территории РФ. Для датасетов это значит: сбор и первичное хранение ПД — на российских серверах.

Чек-лист продавца на AI Data Stock

• [ ] В датасете нет ПД, или у меня есть законное основание и согласия, покрывающие передачу покупателям.
• [ ] Прямые идентификаторы удалены, фото и видео замаскированы.
• [ ] Проверены косвенные идентификаторы (редкие комбинации признаков).
• [ ] Нет специальных категорий и биометрии без отдельных оснований.
• [ ] В карточке честно указан флаг «содержит ПД» и основание.
• [ ] Отмечен чекбокс ответственности по оферте.

Площадка запускает автоматический сканер ПД при загрузке и работает по процедуре notice-and-takedown: по жалобе субъекта или правообладателя материал снимается с публикации.

Чек-лист покупателя

• [ ] Запросите основание обработки, если в датасете есть ПД.
• [ ] Проверьте сэмпл на наличие идентификаторов.
• [ ] Храните полученные ПД на серверах в РФ.
• [ ] Ограничьте использование целями, указанными в согласиях.
• [ ] Не объединяйте наборы так, чтобы стала возможной реидентификация.

FAQ

Можно ли продавать персональные данные? Только при законном основании, покрывающем передачу, как правило при согласии субъекта. Продажа баз клиентов без согласий незаконна.

Можно ли обучать нейросеть на персональных данных? Нужно основание обработки. На практике чаще всего данные обезличивают до обучения.

Являются ли обезличенные данные персональными? Если их можно сопоставить с человеком при помощи дополнительной информации (ключа), риск остаётся. Для продажи используйте необратимую анонимизацию или агрегацию.

Фото человека — это персональные данные? Как правило, да, если по нему можно определить человека. При использовании для установления личности это биометрия.

Что делать, если в купленном датасете нашлись ПД? Остановите использование, сообщите продавцу и площадке (жалоба), удалите или обезличьте данные.

Продаёте данные легально? На AI Data Stock — сканер ПД, понятная оферта и процедура жалоб. Ищете безопасные данные для обучения? Обезличенные и синтетические наборы — в каталог.