泄露出来的23T样本数据有假

个人怀疑数据是部分AI生成的，但是绝对有真实数据打底，因为在里面搜了下，我这边的村子、小区、街道全都有出现，这不是AI瞎写能写出来的
这里只讨论 person_info这个样本文件
此外
搜索1900可以得到：
AGE":121,"BIRTHDAY":"1900","BPLACE":"河北省**市**市","IDNO":"13098219000930**3*","IDTYPE":"01","QUERY_STRING":"  河北省**市**市   121（年龄） 00 1900（出生日期） ","RNAME":"张润萌","SEX":"男"},"

在其中搜索马嘉祺可以得到：
AGE":121,"BIRTHDAY":"1900","BPLACE":"河北省**市**市","IDNO":"13098219000425**16","IDTYPE":"01","QUERY_STRING":"  河北省**市**市   121（年龄） 00 1900（出生日期） ","RNAME":"马嘉祺","SEX":"男"},"_type":"a","sort":[6754350]}

上述两人所在的县市，1986年才设立。
18位身份证号码是从2009年10月1日开始实施的。
换句话说，在录入这两位信息的时候，至少已经109岁高龄了
政务上云，是2015年左右开始的
http://www.gov.cn/xinwen/2015-12/14/content_5023340.htm
除非上海GA把历年卷宗全部数字化录入了，否则个人认为这种情况还是很低的

（您可以搜索到多个AGE":121"或是120，1900年或是1901出生的人，但却不能搜索到任何一个1899年出生的人，见图）
如果这些百岁老人的数据是上海GA把历年卷宗数字化录入产生的，为什么1900年的这么多，而1899年的一个没有呢？

当然，这并不能实锤作假，我也不可能去村委会查询某个人是否存在… …

个人见解：部分信息是真实的，不全的信息由AI生成补全，这些1900，1901等百余岁的出生的人，信息只有精确到县（市）的地址，如


无其他信息。而其他的则精确到小区甚至楼牌号
——
有人说会不会是录入不严谨导致的呢？有可能，如果系统里年龄出生日期都是按照身份证号码推算的，那么录入时不慎选成了最早的1900年，那么是有可能的。
但我校验了一些百岁老人的身份证（只根据校验码校验，未对接公安数据库），都是校验通过的
如果录入不谨慎，在不慎输错年龄的同时还能符合校验码的概率又有多少呢？

注：AGE":***"是相对于2021年的年龄，并非录入时的年龄，可以认为该数据导出日期最早为2021年

关于数据保存期限的问题，我看了另一个文件，是报警记录，是2002年-2019左右的，上海GA的确数字化了不少陈年信息

如何解释样本中含有大量1900年出生的人的数据？

不合理之处：

1. 上海公安部15年才开始录入数据，而数据被导出时间在2021年（见age键），这些大量的1900年出生的人的数据肯定不可能在15-21年之间被录入（因为他们肯定已去世了）。唯一的解释是系统有录入之前传统系统/纸质卷宗的数据，但数据量太大了，不太现实

2. 另外一种解释是，这些1900年出生的人根本不是1900年出生；因为各种问题，他们没有申报年龄/系统中没有他们的年龄，所以使用1900年作为默认出生年份。但问题在于，这些人又有合法的1900年出生的身份证号，这些身份证号是哪来的？

以前有个假的模拟健康码软件，下了一个玩玩然后就去派出所坐了几个小时

有没有可能录入不严谨，或者说系统内部分资料被刻意修改过。毕竟数据量庞大。

你说的也有可能