<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom"><channel><title>Homomorphic Encryption on وبلاگ Formize.com</title><link>https://blog.formize.com/fa/categories/homomorphic-encryption/</link><description>Recent content in Homomorphic Encryption on وبلاگ Formize.com</description><generator>Hugo</generator><language>fa</language><atom:link href="https://blog.formize.com/fa/categories/homomorphic-encryption/index.xml" rel="self" type="application/rss+xml"/><item><title>تولید داده‌های مصنوعی با استفاده از رمزنگاری هم‌مورفیک در لبه</title><link>https://blog.formize.com/fa/homomorphic-encryption-powered-synthetic-data-generation-at/</link><pubDate>Mon, 01 Jan 0001 00:00:00 +0000</pubDate><guid>https://blog.formize.com/fa/homomorphic-encryption-powered-synthetic-data-generation-at/</guid><description>&lt;h1 id="تولید-دادههای-مصنوعی-با-استفاده-از-رمزنگاری-هممورفیک-در-لبه">تولید داده‌های مصنوعی با استفاده از رمزنگاری هم‌مورفیک در لبه&lt;/h1>
&lt;h2 id="مقدمه">مقدمه&lt;/h2>
&lt;p>دستگاه‌های لبه — دوربین‌های هوشمند، پوشیدنی‌ها، حسگرهای صنعتی — جریان‌های عظیمی از داده‌های شخصی یا مالکیتی را جمع‌آوری می‌کنند. خطوط لوله سنتی این داده‌های خام را به ابر برای پاک‌سازی، تقویت یا تولید داده‌های مصنوعی منتقل می‌کنند که این کار باعث در معرض قرار گرفتن آن‌ها به سرقت، نقض‌های قانونی و هزینه‌های تأخیر می‌شود.&lt;/p>
&lt;p>&lt;strong>رمزنگاری هم‌مورفیک (HE)&lt;/strong> یک جایگزین جذاب ارائه می‌دهد: این امکان را می‌دهد که محاسبه مستقیماً بر روی داده‌های رمزگذاری‌شده انجام شود، محرمانگی را حفظ می‌کند در حالی که هنوز امکان تجزیه و تحلیل پیشرفته را فراهم می‌کند. ترکیب HE با مولدهای داده‌های مصنوعی در دستگاه، یک &lt;strong>خط لوله تولید داده‌های مصنوعی حفظ حریم خصوصی&lt;/strong> ایجاد می‌کند که هرگز محتوای اصلی را حتی برای موتور محاسبه‌کننده نشان نمی‌دهد.&lt;/p></description></item></channel></rss>