synthetic-data-generator

一键生成高仿真表格数据，解决隐私与数据稀缺难题

synthetic-data-generator（SDG）是一个专门用于生成高质量结构化表格数据的开源框架。它解决的核心问题是真实数据获取难、隐私保护要求高、以及数据样本不足等场景下的数据需求。SDG 提供了一套完整的端到端流程，包括数据接入、数据探索、数据预处理、数据合成、数据评估和数据导出。它支持多种生成算法，如 GAN、VAE、扩散模型等，并针对不同数据类型（数值、类别、文本、时间序列）进行了优化。用户可以通过简单的配置或编程接口，快速生成与原始数据统计特征相似、且不泄露隐私的合成数据。该框架还内置了数据质量评估模块，能自动对比合成数据与真实数据的分布、相关性等指标，帮助用户验证生成效果。

开源 free 开源模型

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 2440

维护状态较活跃

是否开源是

定价模式 free

项目数据

分类开源模型

开发团队hitsz-ids

所属国家

官网地址

GitHubhttps://github.com/hitsz-ids/synthetic-data-generator

定价模式free

价格说明开源框架，Apache-2.0许可，完全免费，可自行部署使用。

访问状态

是否开源是

开源协议Apache-2.0

主要语言Python

技术栈/模型agent,data-generator,deep-learning,gan,generative-ai,llm,machine-learning,privacy,synthetic-data,tabular-data

GitHub 星标★ 2440

30天Star增速

HF 下载量

上线时间2023-08-10 00:00:00

最近更新2026-09-21 00:00:00

维护状态较活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数2

使用教程

难度：入门约 10 分钟部署方式：库/依赖 4 步

环境要求

Python 环境（README 未标明具体版本）
已安装可用的 pip 包管理工具
本地源码安装需已配置 git 及 GitHub SSH 访问

安装与启动步骤

1通过 PyPI 安装

最简方式，直接从 PyPI 拉取并安装 sdgx 包，适合只想快速调用的用户。
```
pip install sdgx
```
2克隆源码仓库

README 推荐用源码方式使用 SDG，先用 SSH 地址把仓库克隆到本地。
```
git clone git@github.com:hitsz-ids/synthetic-data-generator.git
```
3进入目录并安装

切换到克隆下来的项目目录，执行本地安装，把当前源码装进环境。
```
cd synthetic-data-generator
pip install .
```
4备选：从 Git 直接安装

若不想手动克隆，可用 pip 直接从 Git 仓库地址安装，等价于源码安装。
```
pip install git+https://github.com/hitsz-ids/synthetic-data-generator.git
```

如何确认成功

README 未给出验证方式；可执行 python -c "import sdgx" 检查是否导入成功（此为推断，非 README 原文）。

常见问题

Q：安装方式该怎么选？

A：README 明确推荐 Local Install（源码安装），即克隆仓库后执行 pip install .；只想快速试用可直接 pip install sdgx。

Q：git clone 提示权限失败怎么办？

A：README 给的是 SSH 地址 git@github.com:...，需先配置好 GitHub SSH 密钥；也可改用 pip install git+https:// 的 HTTPS 方式。

Q：装完就能直接生成数据吗？

A：README 节选只覆盖安装部分，未提供使用与配置说明，需查阅官方文档站 synthetic-data-generator.readthedocs.io 再继续。

注意事项

README 未给出版本要求，如遇依赖冲突建议使用独立虚拟环境安装。
README 未提供任何配置项、端口或密钥说明，不要自行填入参数。
三种安装方式选其一即可，PyPI 与源码安装不要在同一环境反复叠加。

核心亮点

内置多种生成模型（GAN/VAE/扩散模型），覆盖不同数据类型的合成需求
提供从数据接入到评估的完整流水线，开箱即用，降低使用门槛
支持隐私保护（差分隐私），适合敏感数据场景

不足之处

大规模数据生成时性能可能成为瓶颈
文档/社区待观察

适用场景

企业内部分析师需要扩充数据集进行建模测试
医疗、金融等隐私敏感行业共享数据前进行脱敏合成
机器学习竞赛或研究中需要构造对抗样本或数据增强

替代项目

SDV (Synthetic Data Vault)、CTGAN、Gretel Synthetics

项目介绍

synthetic-data-generator 是数据集领域的开源项目，由 hitsz-ids 开发，2023 年首次发布。

在全站 13,014 个收录项目中，它的 GitHub 星标数（2,440）位列前 30%，在数据集分类的 279 个项目里位列前 14%。

项目保持着较活跃的维护节奏，最近一次代码更新于 2026-09-21。Apache-2.0许可，完全免费，可自行部署使用。

它主要面向的使用场景是：企业内部分析师需要扩充数据集进行建模测试。同类可对比的替代方案包括 SDV (Synthetic Data Vault)、CTGAN、Gretel Synthetics。

上一篇：jailbreak_llms

下一篇：autolabel