43-EFT.WP.Data.DatasetCards v1.0 | 第8章 隐私、安全与合规：脱敏 / 访问 / 版权

目录 ／ 文档-技术白皮书（V5.05） ／ 43-EFT.WP.Data.DatasetCards v1.0

第8章 隐私、安全与合规：脱敏 / 访问 / 版权

I. 章节目的与范围

II. 术语与依赖

• 术语来源：通用术语遵循《EFT.WP.Core.Terms v1.0》，本章仅增量定义与标签/本体直接相关的字段与约束。
• 依赖卷：数据契约/导出：《Core.DataSpec v1.0》；计量/单位与量纲校核：《Core.Metrology v1.0》；涉及路径/到达时等符号表达遵循《Core.Equations v1.1》，数理表达禁用中文并以反引号包裹。

III. 字段与结构（规范性）

labels:

schema_version: "v1.0"

taxonomy: # 分层本体（树/有向无环图）

root: "event"

nodes:

- {id:"FRB", parent:"event", kind:"class", definition:"fast radio burst"}

- {id:"RFI", parent:"event", kind:"artifact", definition:"radio frequency interference"}

- {id:"Noise", parent:"event", kind:"background"}

class_map: # 训练/评测用的可用类别集合（扁平或层级裁剪）

include: ["FRB","RFI","Noise"]

exclude: []

encoding:

type: "multi_class" # multi_class | multi_label | hierarchical

policy:

positive_rules: ["explicit-evidence"]

negative_rules: ["contradiction-or-missing-signal"]

tie_breaker: "lowest-risk"

attributes: # 类属性/标签属性（可选）

- {name:"confidence", type:"number", unit:"%", range:[0,100]}

multilingual: # 多语言映射（标签名/定义）

default_lang: "en"

map:

FRB: {en:"FRB", zh:"快速射电暴"}

RFI: {en:"RFI", zh:"射频干扰"}

Noise: {en:"Noise", zh:"噪声"}

guidelines: # 标注执行与例外处理

sources: ["docs/label_guide_v1.pdf"]

precedence: ["safety-first","no-PII"]

annotation: # 标注过程记录

tool: "labelstudio-1.12"

workforce: {type:"expert", iaa_target:"kappa>=0.8"}

sampling_ref: "sampling.strategy:stratified"

quality: # 质量与一致性指标

iaa: {metric:"cohen_kappa", value:0.82}

consistency: {cross_split:"no-leakage"}

mapping: # 对外本体映射（如外部标准或既有基准集）

- {to:"ext.catalog.v2", from_id:"FRB", to_id:"frb"}

- {to:"ext.catalog.v2", from_id:"RFI", to_id:"rfi"}

see:

- "EFT.WP.Core.Terms v1.0:P10-*"

- "EFT.WP.Core.DataSpec v1.0:EXPORT"

（导出物与引用锚点在 export_manifest.references[] 中体现。）

IV. 本体构建与层级约束

• 结构：taxonomy 支持树或 DAG；每个 node 必含 id/parent/kind/definition，id 在数据集内全局唯一。
• 裁剪：class_map.include[] 为可训练/评测集合；exclude[] 为暂不参与学习但保留在本体中的类别。
• 一致性：class_map 必与 taxonomy 一致，禁止悬挂/孤立节点；变更需同步更新示例与基线配置。

V. 编码与判定策略

1. 编码类型：
   • multi_class：单样本单标签；
   • multi_label：单样本多标签，需定义互斥/可并存集合；
   • hierarchical：遵循父子一致性（父类阳性时子类方可阳性）。
2. 判定规则：positive_rules、negative_rules、tie_breaker 必显式声明并与标注指南一致。

VI. 多语言策略

• multilingual.default_lang 设为工作语言；map 提供标签名与定义的多语映射；跨语一致性以英文定义为基准。
• 外部材料面向公众时仅使用稳定线版本标签名（如 v1.*），并在 export_manifest.references[] 标注。

VII. 标注流程与质量

• 流程：记录标注工具、批次、人员画像（专家/众包/混合）、复核环节与争议处理规则。
• 一致性：至少报告一致性指标（如 Cohen’s κ、Fleiss’ κ），并给出通过阈值与不达标的返工策略。
• 泄漏防控：标注与预处理/切分流程解耦；严禁使用验证/测试集统计量或样本对训练进行反向修正。

VIII. 计量与符号（如涉及物理量）

IX. 对外映射与兼容策略

• mapping[] 用于对接外部本体/基准集；需声明目标版本与 from_id/to_id 的一一或多对一关系及冲突处理策略（优先本卷定义）。
• 若外部本体含路径/到达时相关定义，引用《Core.Equations v1.1》条文进行口径对齐。

X. 示例片段（可直接嵌入卡片）

labels:

schema_version: "v1.0"

taxonomy:

root: "event"

nodes:

- {id:"FRB", parent:"event", kind:"class", definition:"fast radio burst"}

- {id:"RFI", parent:"event", kind:"artifact", definition:"radio frequency interference"}

- {id:"Noise", parent:"event", kind:"background"}

class_map:

include: ["FRB","RFI","Noise"]

exclude: []

encoding:

type: "multi_class"

policy: {positive_rules:["explicit-evidence"], negative_rules:["contradiction-or-missing-signal"], tie_breaker:"lowest-risk"}

multilingual:

default_lang: "en"

map: {FRB:{en:"FRB", zh:"快速射电暴"}, RFI:{en:"RFI", zh:"射频干扰"}, Noise:{en:"Noise", zh:"噪声"}}

quality:

iaa: {metric:"cohen_kappa", value:0.82}

consistency: {cross_split:"no-leakage"}

mapping:

- {to:"ext.catalog.v2", from_id:"FRB", to_id:"frb"}

see:

- "EFT.WP.Core.Terms v1.0:P10-*"

- "EFT.WP.Core.DataSpec v1.0:EXPORT"

（对外导出时在 export_manifest.references[] 同步上述引用锚点。）

XI. 本章合规自检

• taxonomy 拥有唯一根，class_map 与之一致且无悬挂节点；所有 id 在卡片内唯一。
• encoding 类型与判定规则完整；多标签/层级任务声明互斥/并存与父子一致性约束。
• 多语言映射完整，英文定义为基准；对外材料仅使用稳定线标签并在 export_manifest.references[] 体现。
• 如涉及物理量，属性含单位与范围并通过 check_dim；数学表达以反引号与括号规范书写，不出现中文。
• 标注流程记录工具/批次/人员与一致性指标；泄漏防控与返工策略到位。