ИСО и МЭК: Идёт работа над проектом стандарта описания моделей машинного обучения ISO/IEC WD 25623 «Рамочная концепция описания моделей машинного обучения»

В последнее время вопрос документирования моделей ИИ (моделей машинного обучения) стал привлекать большое внимание, в первую очередь в связи с появлением многочисленных законодательно-нормативных требований такого рода в отношении моделей ИИ в целом, а также «национальных» и «суверенных» моделей в частности. 

По сути речь идёт о научно-технической документации на модель, но с прицелом на её использование при сертификации, при подтверждении соответствия требованиям законодательства и в судебных спорах (т.е. в правовом контексте).

Международная организация по стандартизации (ИСО) не осталась в стороне. В настоящее время технический подкомитет ИСО JTC1/SC42 «Искусственный интеллект» работает над проектом стандарта ISO/IEC WD 25623 «Искусственный интеллект – Рамочная концепция описания моделей машинного обучения (МО)» (Artificial intelligence - Machine learning (ML) model description framework), см. https://www.iso.org/standard/90933.html .

 Во вводной части стандарта отмечается:

«Настоящий документ содержит общую концепцию описания и элементы документации для моделей машинного обучения, призванные облегчить управление ими и их использование на протяжении всего жизненного цикла моделей машинного обучения. Данный документ может использоваться любой организацией, которая разрабатывает, предоставляет или использует модели машинного обучения.» 

На данный момент содержание документа следующее:

Предисловие.
Введение
1. Область применения
2. Нормативные ссылки
3. Термины и определения
4. Обозначения и сокращения
5. Принципы и соображения в отношении описания и документирования моделей машинного обучения
6. Элементы описания модели

6.1. Общие положения
6.2. Идентификация и происхождение модели
6.3. Использование и эксплуатация модели
6.4. Технические характеристики модели
6.5. Связанные с моделью наборы данных 
6.6. Возможность доверять модели и соответствие модели законодательно-нормативным требованиям

7. Представления описаний моделей и управление ими
8. Соответствие требованиям настоящего стандарта
Приложение A (нормативное): Требования к элементам документации
Приложение B (нормативное): Пример UML-визуализации описания моделей машинного обучения 
Приложение C (нормативное): Пример представления описания модели машинного обучения в виде JSON-схемы 
Библиография

Источник: сайт ИСО
https://www.iso.org/standard/90933.html 

Встреча руководителей государственных архивов Швейцарии и Польши

Данный пост директора Федерального архива Швейцарии (Schweizerischen Bundesarchiv) Филиппа Кюнцлера (Philippe Künzler – на фото) был опубликован 21 сентября 2026 года в социальной сети LinkedIn.

Мы только что завершили три насыщенных дня обсуждений с коллегами из Генеральной дирекции государственных архивов Польши.

На встрече в Федеральном архиве Швейцарии (Schweizerisches Bundesarchiv, BAR) в Берне мы обсудили с генеральным директором государственных архивов Польши Павлом Петшиком (Paweł Pietrzyk) и руководителем отдела оцифровки Национального цифрового архива Петром-Павлом Стрембским (Piotr Paweł Strembski) стратегические приоритеты, вопросы оцифровки, электронного архивирования и обеспечения онлайн-доступа. 

Несмотря на различия в условиях нашей работы, мы развиваем целый ряд схожих подходов к решению ряда задач: 

• Как управлять данными и структурировать их на возможно более ранних этапах в ходе деятельности государственных органов? 
  
  
• Как обеспечить возможность использования этих материалов в долгосрочной перспективе? 
  
  
• И какими компетенциями должны будут обладать архивы и их сотрудники для решения этих задач в будущем? 

Мы намерены продолжать этот профессиональный диалог.

17 сентября 2026 года мы вместе отправились в город Штанс (Stans) на симпозиум, организованный Швейцарской профессиональной ассоциацией архивистов (VSA), посвящённый теме «Будущее требует новых навыков и компетенций». Павел Петшик выступил с увлекательным докладом о польской модели управления компетенциями. 

Павел Петшик выступает с докладом «Государственные архивы сегодня – Компетенции для будущего»

Другие доклады - о цифровых компетенциях, о науке о данных и о навыках и компетенциях, необходимых архивистам будущего, - также дали богатую пищу для обсуждения.

Открытый профессиональный обмен мнениями и очень приятное личное общение показали, как многому мы можем научиться друг у друга. Я с нетерпением жду продолжения и углубления сотрудничества между Польшей и Швейцарией.

Филипп Кюнцлер (Philippe Künzler)

Источник: сайт LinkedIn
https://www.linkedin.com/posts/philippe-kuenzler_archivch-archives-digitaltransformation-ugcPost-7507497341105422336-oeZw/ 

Китай: Стандарты по вопросам управления документами и архивного дела, часть 24

Продолжая разговор о китайских стандартах в области управления документами, архивного дела и смежных дисциплин, хочу напомнить, что в Китае стандарты по вопросам управления документами и архивного дела, согласно национальной классификации, относятся к группе A14 «Библиотеки, архивы, документы и интеллектуальная деятельность», http://www.csres.com/sort/Chtype/A14_1.html . По международной классификации эти стандарты попадают в раздел 01.140.20 «Информатика», см. http://www.csres.com/sort/ics/01.140.20_1.html .

За период с апреля по сентябрь 2026 года были опубликованы следующие документы по вопросам управления документами и архивного дела:

• DA/T 107-2026 «Требования к проведению экспертизы на предмет раскрытия архивных документов для общественности» (档案开放审核工作规范, самоназвание на английском языке: Specification for archival opening review) объёмом 18 страниц, вступивший в силу 1 сентября 2026 года, см. http://www.csres.com/detail/455791.html и https://www.doc88.com/p-19537994266208.html 
  
  
• DA/T 108-2026 «Требования к составлению сборников архивных документов и к проведению архивных исследований» (档案编研工作规范, самоназвание на английском языке: Specification for archive compilation and research) объёмом 17 страниц, вступивший в силу 1 сентября 2026 года, см. http://www.csres.com/detail/455792.html и https://www.doc88.com/p-94380775112288.html 
  
  
• DA/T 109-2026 «Требования к работе по созданию архивной тематической базы данных» (档案专题数据库建设工作规范, самоназвание на английском языке: Work specification for the construction of archival thematic database) объёмом 22 страницы, вступивший в силу 1 сентября 2026 года, см. http://www.csres.com/detail/455793.html и https://www.doc88.com/p-18637992765194.html 
  
  
• DA/T 110-2026 «Требования к распознаванию речи и транскрибированию аудио- и аудиовизуальных документов» ( 录音录像档案语音识别转写工作规范, самоназвание на английском языке: Specification for speech recognition and transcription of audio and audio-visual records) объёмом 16 страниц, вступивший в силу 1 сентября 2026 года, см. http://www.csres.com/detail/455794.html и https://www.doc88.com/p-20754998473005.html 
  
  
• DA/T 111-2026 «Требования к управлению документами и архивами крупнейших национальных научно-технических объектов» (国家重大科技基础设施档案管理规范, самоназвание на английском языке: Specification for archival management of major national science and technology infrastructure) объёмом 30 страниц, вступивший в силу 1 сентября 2026 года, см. http://www.csres.com/detail/455795.html и https://www.doc88.com/p-58243776114409.html 
  
  
• DA/T 24-2026 «Бескислотная архивная бумага и картон для обложек и коробов» (无酸档案卷皮卷盒用纸及纸板, самоназвание на английском языке: Acid-free papers and paperboards for archival folders and boxes) объёмом 10 страниц, вступивший в силу 1 сентября 2026 года, см. http://www.csres.com/detail/455796.html и https://www.doc88.com/p-35620994221123.html . Документ заменил предыдущую редакцию 2000 года.
  
  
• DA/T 68.5-2026 «Требования к аутсорсингу архивных услуг - Часть 5: Услуги депозитарного хранения» (档案服务外包工作规范 第5部分：档案寄存服务, самоназвание на английском языке: Specifications on the work of archive service outsourcing - Part 5: Archives deposit service) объёмом 25 страниц, вступивший в силу 1 сентября 2026 года, см. http://www.csres.com/detail/455797.html и https://www.doc88.com/p-68971332194610.html . 
  
  Документ  выпущен взамен стандарта DA/T 67-2017 «Требования к аутсорсингу услуг по управлению документами» (档案保管外包服务管理规范, Requirement on the outsource service of records keeping) – теперь его сделали частью другого стандарта DA/T 68 «Требования к аутсорсингу архивных услуг» (подробнее о нём см. мой пост http://rusrim.blogspot.com/2021/05/12.html ).

Источник: Портал китайского органа по стандартизации
http://www.naa.gov.cn/  
https://www.saac.gov.cn/daj/hybz/dabz_list.shtml     

Росстандарт: Опубликованы предстандарты ПНСТ 1064-2026, ПНСТ 1065-2026 и ПНСТ 1066-2026 по тематике синтеза данных

На сайте Федерального агентства по техническому регулированию и метрологии  ( http://www.gost.ru/ ) в августовском 2026 года разделе ( https://protect.gost.ru/gost?year=2026&month=8&search=&page=5 ) были выложены три новых предварительных стандарта по тематике синтеза данных.

Эти документы разработаны некоммерческой организацией «Ассоциация больших данных» (НО «АБД») при участии автономной некоммерческой организации «Национальный технологический центр цифровой криптографии» (АНО «НТЦ ЦК»); внесены Техническим комитетом по стандартизации ТК 164 «Искусственный интеллект».

Предстандарт ПНСТ 1064-2026 «Синтез данных. Основные положения» объёмом 16 страниц, см. https://protect.gost.ru/gost/details/3ab40d2a-2d04-426f-91e4-73645b23a986 

Основное понятие определяется следующим образом:

3.1.2. Синтетические данные (synthetic data): Данные, искусственно созданные для имитации формата и свойств реальных данных, но которые не соответствуют напрямую каким-либо реальным объектам.

Примечания

1. Синтетические данные могут быть использованы для различных целей, включая обучение моделей машинного обучения, тестирование систем, а также обеспечение повышенной конфиденциальности данных.

2. Настоящий стандарт описывает полностью синтетические данные, которые в дополнение к указанным в определении свойствам не являются модификацией исходных данных.

3. Синтетические данные могут не всегда точно воспроизводить все свойства реальных данных, что может ограничивать их применение в определенных сценариях.

Во вводной части документа отмечается:

«В современных условиях развития информационных технологий искусственный интеллект (ИИ) становится неотъемлемой частью многих областей деятельности, включая бизнес, науку, медицину и государственное управление, а синтетические данные находят все большее применение в ИИ, статистике и других сферах, требующих использования данных для моделирования и анализа. Рост объемов данных и необходимость их эффективной обработки требуют унификации подходов и терминологии для улучшения взаимодействия между различными участниками рынка обмена данными. В то же время синтетические данные помогают восполнить нехватку реальных данных для обучения моделей и анализа.»

Содержание документа следующее:

Предисловие
Введение
1. Область применения
2. Нормативные ссылки
3. Термины и определения
4. Основные концепции синтеза данных

4.1. Синтез данных с использованием ИИ
4.2. Свойства синтетических данных
4.3. Классификация типов синтетических данных
4.4. Основные принципы осуществления синтеза данных

Библиография

Предстандарт ПНСТ 1065-2026 «Синтез данных. Архитектура процесса синтеза данных. Методы синтеза» объёмом 58 страниц, см. https://protect.gost.ru/gost/details/f09eb333-a40d-45a7-a789-2f53fe30de4e 

Во вводной части документа отмечается:

«Эффективность синтеза данных тесно связана с качеством процессов синтеза и архитектуры используемых систем. Синтетические данные применяются в различных практических сценариях, таких как тестирование информационных систем, обучение моделей искусственного интеллекта (ИИ), обмен данными с контрагентами и обогащение существующих наборов данных. Многие из этих сценариев требуют специфического подхода к качеству и конфиденциальности синтетических данных, что делает критически важным детальное описание процессов и архитектуры системы синтеза.

Для тестирования информационных систем синтетические данные должны точно отражать структуру и особенности реальных данных, обеспечивая при этом предотвращение потенциальной утечки данных (полностью синтетические данные). Обучение моделей требует от синтетических данных репрезентативности и достоверности, что позволяет моделям эффективно адаптироваться к задачам реального мира. При обмене данными с контрагентами особое внимание должно уделяться доверенным технологиям и методам синтеза, чтобы минимизировать вероятность утечки данных. Для задач обогащения данных при интеграции синтетические данные должны сохранять целостность и совместимость с другими наборами данных, обеспечивая при этом их полезность для дальнейшего анализа.

Таким образом, архитектура и процессы синтеза данных должны быть гибкими и адаптивными чтобы соответствовать разнообразным требованиям различных сценариев применения. Достоверность и полнота синтетических данных, их соответствие требованиям к доверенным технологиям ИИ, полезность получаемых данных зависят не только от алгоритмов синтеза, но и от порядка их применения организации хранения данных и управления вероятностями утечки данных на каждом этапе.

Цель настоящего стандарта - предложить эталонное описание процессов и архитектуры системы синтеза данных, что необходимо для достижения высоких показателей качества и конфиденциальности данных в различных контекстах их использования. Стандарт служит ориентиром для разработки внедрения и эксплуатации систем синтеза данных, соответствующих требованиям конфиденциальности и качества, что особенно важно в условиях возрастающих требований к конфиденциальности управлению данными.

… Настоящий стандарт устанавливает процесс синтеза данных (полностью синтетические данные) для систем искусственного интеллекта (ИИ) и архитектуру соответствующей системы, включая основные компоненты, процессы генерации данных и интеграцию с системами ИИ.

Настоящий стандарт устанавливает требования к выполнению каждого из этих этапов с учетом специфики обработки данных, мониторинга соответствия и управления процессом синтеза, доверенным технологиям синтеза, а также поддержке уровня приватности на всех стадиях жизненного цикла синтетических данных.

Стандарт применим к организациям любых форм собственности и масштабов, использующим технологии ИИ и синтетические данные.»

Содержание документа следующее:

Предисловие
Введение
1. Область применения
2. Нормативные ссылки
3. Термины и определения
4. Сокращения
5. Обзор жизненного цикла синтеза
6. Эталонная модель процесса синтеза данных
7. Эталонная архитектура системы синтеза данных
Приложение А (рекомендуемое): Пояснения к жизненному циклу синтеза данных
Приложение Б (рекомендуемое): Пояснение к архитектуре системы синтеза
Приложение В (справочное): Технические особенности реализации синтеза данных
Библиография

Предстандарт ПНСТ 1066-2026 «Синтез данных. Описание результатов процесса синтеза. Методика оценки качества» объёмом 42 страницы, см. https://protect.gost.ru/gost/details/c6aef45e-9a6f-49b1-b128-c502a07eadae 

Во вводной части документа отмечается:

«Настоящий стандарт описывает результаты процесса синтеза структурированных данных, включая методы оценки качества синтетических данных, проверку уровня приватности, а также требования к документированию и отчетности. Стандарт устанавливает подход к методам оценки результата синтеза данных с использованием ИИ, включая оценку качества синтетических данных, их соответствия требованиям обработки информации и полезности для различных задач и приложений. Стандарт применим к организациям любых форм собственности и масштабов, использующим технологии ИИ и синтетические данные.

… Настоящий стандарт распространяется на процессы создания полных синтетических данных табличного вида с использованием нейронных сетей.

Настоящий стандарт не распространяется на синтетические данные, создаваемые методами статистического и компьютерного моделирования на основе цифровых моделей реальных сценариев.

Стандарт применим к организациям любых форм собственности и масштабов, использующим технологии искусственного интеллекта (ИИ) и синтетические данные.»

Содержание документа следующее:

Предисловие
Введение
1. Область применения
2. Нормативные ссылки
3. Термины и определения
4. Общие положения
5. Методы оценки качества синтетических данных
6. Документирование и отчетность

6.1. Протоколы создания данных
6.2. Аудит и следование стандартам
6.3. Отчеты о качестве и использовании данных

Приложение А (рекомендуемое): Словарь данных
Приложение Б (справочное): Точность. Метрики оценки статистической близости
Приложение В (справочное): Точность. Метрики оценки реалистичности синтетических данных
Приложение Г (справочное): Полезность. Метрики оценки эффективности
Приложение Д (справочное): Метрики и модели оценки риска утечки данных
Приложение Е (рекомендуемое): Шаблон отчета о качестве
Библиография

Источник: сайт Росстандарта
https://protect.gost.ru/gost/details/3ab40d2a-2d04-426f-91e4-73645b23a986
https://protect.gost.ru/gost/details/f09eb333-a40d-45a7-a789-2f53fe30de4e 
https://protect.gost.ru/gost/details/c6aef45e-9a6f-49b1-b128-c502a07eadae