训练数据的合规底线：采集授权、脱敏与交付留痕

数据集的价值越往后越高，风险也越往后越难纠正。合规必须前置到采集设计阶段。

授权链路要能还原到单条样本

采集任务应记录来源、授权范围、使用场景与有效期，并能从数据集里的任一样本反查回授权记录。只提供一份整体授权书，无法满足后续审计。

脱敏不是打码

人脸、车牌、病历号、声纹各有不同的处理要求。脱敏动作要写进标注规范并抽检校验，且明确哪些字段不可逆、哪些字段保留映射，避免模型从脱敏残留里学到不该学的东西。

交付留痕

每次交付给出版本号、清洗规则与样本清单，客户端可以据此复现同一数据集；出现争议时也能快速界定范围。我们把它视为交付物，而不是附加文档。