<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom"><channel><title>Real-Time on Formize.com Blogi</title><link>https://blog.formize.com/et/tags/real-time/</link><description>Recent content in Real-Time on Formize.com Blogi</description><generator>Hugo</generator><language>et</language><atom:link href="https://blog.formize.com/et/tags/real-time/index.xml" rel="self" type="application/rss+xml"/><item><title>Reaalajas privaatsust säilitav sünteetiliste andmete genereerimine äärealadel, kasutades homomorfset krüpteerimist ja föderaalset õppimist</title><link>https://blog.formize.com/et/real-time-privacy-preserving-synthetic-data-generation-at-th/</link><pubDate>Mon, 01 Jan 0001 00:00:00 +0000</pubDate><guid>https://blog.formize.com/et/real-time-privacy-preserving-synthetic-data-generation-at-th/</guid><description>&lt;h1 id="reaalajas-privaatsust-säilitav-sünteetiliste-andmete-genereerimine-äärealadel-kasutades-homomorfset-krüpteerimist-ja-föderaalset-õppimist">Reaalajas privaatsust säilitav sünteetiliste andmete genereerimine äärealadel, kasutades homomorfset krüpteerimist ja föderaalset õppimist&lt;/h1>
&lt;h2 id="sissejuhatus">Sissejuhatus&lt;/h2>
&lt;p>Äärealade AI liigub ainult järelduste töökoormustest &lt;strong>andmekeskseteks&lt;/strong> torujuhtmeteks, mis nõuavad pidevaid mudeli uuendusi, seadmesises treeningut ja sünteetiliste andmete genereerimist. Kuigi sünteetilised andmed võivad märkimisväärselt vähendada kulukat reaalmaailma andmete kogumise vajadust, tekitavad need ka &lt;strong>privaatsus&lt;/strong>‑probleeme, kui lähteandmed pärinevad kasutajate seadmetest. Traditsioonilised anonümiseerimistehnikad (maskimine, diferentsiaalne privaatsus) kas halvendavad andmete kasutatavust või nõuavad usaldusväärset keskset autoriteeti — mõlemad on ebasoovitavad latentsustundlike äärealade stsenaariumide puhul.&lt;/p></description></item></channel></rss>