Ещё недавно вопрос о том, как нейросети обращаются с персональными данными, казался делом далёкого будущего. Сегодня любая компания, которая загружает клиентские записи, фотографии или переписку в модель, автоматически становится оператором - со всеми вытекающими обязанностями по 152-ФЗ. И здесь важно понимать: обучение искусственного интеллекта не даёт послаблений. Закон смотрит на обработку широко - от сбора и накопления до обезличивания, блокирования и уничтожения. Нейросети обработка персональных данных требует соблюдения 152-ФЗ и получения согласия субъекта на обработку его данных. Разберёмся, что изменилось в регулировании и как выстроить работу так, чтобы она выдерживала проверку.

Правовые основы
Главные перемены произошли 1 сентября 2025 года. Приказ Роскомнадзора № 140 утвердил методы обезличивания данных, а Постановление Правительства № 1154 закрепило правила работы с обезличенными массивами. Практический смысл прост: корректно обезличенные данные можно использовать для исследований и технологий, в том числе для обучения моделей, уже без отдельного согласия человека. Но расслабляться рано. Убрать из файла имя - недостаточно. Если по голосу, лицу, номеру телефона или сочетанию признаков человека всё ещё можно узнать, набор остаётся персональными данными со всеми последствиями.
Правовые требования к оператору теперь жёстче. Согласие на обработку оформляется отдельным документом - его нельзя спрятать в оферту или пользовательское соглашение. Для биометрии нужна письменная форма. Исходные и обезличенные массивы хранятся раздельно. А об утечке необходимо уведомить Роскомнадзор в течение 24 часов.
Ответственность оператора тоже выросла. Штрафы по ст. 13.11 КоАП РФ дифференцированы по масштабу:
-
до 1 тыс. пострадавших - 150-300 тыс. рублей;
-
от 1 до 10 тыс. - 3-5 млн, от 10 до 100 тыс. - 5–10 млн;
-
свыше 100 тыс. - 10-15 млн рублей.
Повторная утечка грозит оборотным штрафом. И ещё момент, который часто упускают: перед регулятором отвечает именно оператор, даже если он пользуется чужим ИИ-сервисом. Персональные данные ИИ подлежат строгой защите, а оператор несёт ответственность за их сохранность.
На международном уровне ориентиром остаётся GDPR. Персональные данные ИИ там регулируются так: модель считается анонимной только при незначительной вероятности извлечения данных - и это оценивается в каждом случае отдельно, а не по умолчанию.
Технологии обработки
Защита данных нейросети - это несколько слоёв. Криптографическая защита обеспечивает конфиденциальность при передаче и хранении, технические средства защиты включают разграничение прав, журналирование и изоляцию сред. Контроль доступа должен быть ролевым: дата-инженер и исследователь видят разные срезы информации. Шифрование при передаче - обязательный минимум, а не опция.
Методы анонимизации разнообразны: маскирование, дифференциальная приватность, федеративное обучение, синтетические данные - универсального рецепта нет. Обработка датасетов требует раздельного хранения исходных и обезличенных массивов. Мониторинг операций фиксирует, кто выгружал данные и не воспроизводятся ли в ответах модели фрагменты обучающей выборки. Безопасность данных не заканчивается на периметре: если система запоминает и выдаёт чужие персональные данные, это всё равно утечка. Защита данных нейросети обеспечивается криптографическими методами и многоуровневым контролем доступа.

Процесс обучения ИИ
Обучение ИИ на данных начинается не с выбора алгоритма, а с описания набора. Нужно перечислить поля и файлы, понять, кого можно определить напрямую и какие сведения восстановят личность при сопоставлении с другими базами. Дальше - верификация, анонимизация информации и контроль качества. Грязный или смещённый датасет - это не только плохая модель, но и нарушение принципа минимизации. Обучение ИИ на данных возможно только после анонимизации информации и внедрения систем защиты данных.
Требования законодательства распространяются на каждый шаг: извлечение данных из внутренней системы, передачу поставщику, хранение на его площадке, само обучение и удаление исходных файлов. Каждую операцию нужно описать и иметь под неё основание. Алгоритмы обработки должны позволять удалить конкретные записи по запросу субъекта и не пропускать в модель специальные категории данных без надлежащего режима. Мониторинг безопасности включает отслеживание попыток вытащить персональные данные через промпты и проверку того, что пользователь не получает на выходе куски обучающей выборки.
Документационное обеспечение
Пакет документов у оператора, работающего с ИИ, вполне конкретный. Политика конфиденциальности должна прямо говорить, используются ли данные пользователей для обучения и как работает отказ. Согласие на обработку - отдельный документ. Добавьте договоры с подрядчиками и поставщиками датасетов и внутренние регламенты, описывающие жизненный цикл данных в модели. Документация по обработке должна позволять восстановить цепочку: откуда пришли данные, на каком основании обрабатывались, кто имел доступ и когда их удалили.

Практические аспекты
Внутренний контроль хорошо работает в паре с аудитом безопасности. Регулярная проверка соответствия правовым требованиям — это сверка фактических операций с заявленными целями, проверка сроков хранения и тестирование процедуры реагирования на инциденты. Отдельная история — выбор датасетов и работа с поставщиками данных: проверяйте происхождение набора и наличие основания для обработки у источника. Выбор между собственной моделью и внешним API ответственности не снимает. Обработка ПД нейросетями должна соответствовать правовым требованиям и включать технические решения по защите информации.
Риски и угрозы
Угроз здесь несколько. Утечка данных через ответы модели, неправомерное использование датасета за пределами заявленной цели, манипуляции с информацией в виде отравления обучающей выборки, компрометация самой модели. Поэтому защита персональных данных включает не только шифрование, но и контроль целостности датасетов, версионирование и изоляцию экспериментальных сред. Риск, который не описан, обычно и застаёт врасплох.

Перспективы развития
Нейросети обработка персональных данных будет двигаться в сторону новых технологий защиты, изменения законодательства и общих трендов в области ИИ: прозрачности алгоритмов, совершенствования методов анонимизации и ужесточения требований к операторам. Обезличивание превращается из формальности в инженерную дисциплину, а внутренний контроль - из опции в обязательный элемент.
Рекомендации по адаптации просты и практичны. Проведите инвентаризацию датасетов и укажите для каждого основание обработки. Внедрите раздельное хранение исходных и обезличенных массивов заранее. Обновите формы согласия с учётом требования об отдельном документе. Протестируйте сценарий реагирования на инцидент до того, как он случится.
Обработка ПД нейросетями - это работа на стыке права и инженерии. Системный подход к защите данных остаётся единственным условием, при котором обучение искусственного интеллекта законно, а безопасность данных проверяема, а не декларируема.
Если у вас возникают сомнения по отдельным вопросам (например, как правильно составить необходимые документы) - мы с радостью поможем. Наши юристы подготовят для вас полный комплект документов по 152-ФЗ, чтобы вы могли избежать штрафов и претензий со стороны субъектов данных.