<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom"><channel><title>Blockchain Auditing on وبلاگ Formize.com</title><link>https://blog.formize.com/fa/tags/blockchain-auditing/</link><description>Recent content in Blockchain Auditing on وبلاگ Formize.com</description><generator>Hugo</generator><language>fa</language><atom:link href="https://blog.formize.com/fa/tags/blockchain-auditing/index.xml" rel="self" type="application/rss+xml"/><item><title>پارچه دادهٔ مصنوعی صفر‌اعتماد برای هوش مصنوعی لبه‌ای</title><link>https://blog.formize.com/fa/zero-trust-synthetic-data-fabric-for-edge-ai/</link><pubDate>Mon, 01 Jan 0001 00:00:00 +0000</pubDate><guid>https://blog.formize.com/fa/zero-trust-synthetic-data-fabric-for-edge-ai/</guid><description>&lt;h1 id="پارچه-داده-مصنوعی-صفراعتماد-برای-هوش-مصنوعی-لبهای">پارچه دادهٔ مصنوعی صفر‌اعتماد برای هوش مصنوعی لبه‌ای&lt;/h1>
&lt;h2 id="۱-چرا-هوش-مصنوعی-لبهای-به-یک-پارچه-داده-مصنوعی-صفراعتمادhttpswwwnistgovcyberframework-نیاز-دارد">۱. چرا هوش مصنوعی لبه‌ای به یک پارچه دادهٔ مصنوعی &lt;a href="https://www.nist.gov/cyberframework" target="_blank" rel="noreferrer nofollow">صفر‌اعتماد&lt;/a> نیاز دارد&lt;/h2>
&lt;p>دستگاه‌های لبه‌ای — حسگرهای صنعتی، پهپادهای خودران، دوربین‌های هوشمند و پوشیدنی‌ها — به‌طور فزاینده‌ای مسئول تولید، پردازش و اقدام بر روی داده‌ها به‌صورت زمان واقعی هستند. بر خلاف ابرهای متمرکز، محیط‌های لبه‌ای &lt;strong>پراکندار، ناهمگون و اغلب در شبکه‌های خصمانه یا کم‌کنترل عمل می‌کنند&lt;/strong>. مدل‌های امنیتی مبتنی بر مرز سنتی قادر به محافظت از داده‌های حساس که از این گره‌ها عبور می‌کنند نیستند، به‌ویژه زمانی که داده‌های مصنوعی برای تکمیل نمونه‌های آموزشی کم‌بود استفاده می‌شوند.&lt;/p></description></item></channel></rss>