<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom"><channel><title>Data Compression on وبلاگ Formize.com</title><link>https://blog.formize.com/fa/tags/data-compression/</link><description>Recent content in Data Compression on وبلاگ Formize.com</description><generator>Hugo</generator><language>fa</language><atom:link href="https://blog.formize.com/fa/tags/data-compression/index.xml" rel="self" type="application/rss+xml"/><item><title>فشرده‌سازی داده‌های مصنوعی با حفظ حریم خصوصی تفاضلی برای انتقال لبه با پهنای باند کم</title><link>https://blog.formize.com/fa/differentially-private-synthetic-data-compression-for-low-ba/</link><pubDate>Mon, 01 Jan 0001 00:00:00 +0000</pubDate><guid>https://blog.formize.com/fa/differentially-private-synthetic-data-compression-for-low-ba/</guid><description>&lt;h1 id="فشردهسازی-دادههای-مصنوعی-با-حفظ-حریم-خصوصی-تفاضلی-برای-انتقال-لبه-با-پهنای-باند-کم">فشرده‌سازی داده‌های مصنوعی با حفظ حریم خصوصی تفاضلی برای انتقال لبه با پهنای باند کم&lt;/h1>
&lt;h2 id="مقدمه">مقدمه&lt;/h2>
&lt;p>دستگاه‌های لبه—دوربین‌های هوشمند، پوشیدنی‌ها، حسگرهای صنعتی—به‌طور فزاینده‌ای جریان‌های عظیمی از داده تولید می‌کنند که باید با پلتفرم‌های تحلیلی مرکزی به اشتراک گذاشته شوند. انتقال داده‌های خام اغلب به دلیل پهنای باند محدود، محدودیت‌های انرژی و مقررات سخت‌گیرانهٔ حریم خصوصی مانند &lt;a href="https://gdpr.eu/" target="_blank" rel="noreferrer nofollow">GDPR&lt;/a> و &lt;a href="https://www.hhs.gov/hipaa/index.html" target="_blank" rel="noreferrer nofollow">HIPAA&lt;/a> غیرقابل‌اجراست. تولید داده‌های مصنوعی به‌عنوان یک تکنیک قدرتمند برای به اشتراک‌گذاری اطلاعات مفید در حالی که داده‌های شخصی خام محافظت می‌شوند، ظهور کرده است. با این حال، مجموعه‌های دادهٔ مصنوعی می‌توانند بزرگ باشند، به‌ویژه وقتی ساختارهای با‑بعدی بالایی را برای مدل‌های هوش مصنوعی downstream حفظ می‌کنند.&lt;/p></description></item></channel></rss>