<?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 ब्लॉग</title><link>https://blog.formize.com/hi/tags/real-time/</link><description>Recent content in Real-Time on Formize.com ब्लॉग</description><generator>Hugo</generator><language>hi</language><atom:link href="https://blog.formize.com/hi/tags/real-time/index.xml" rel="self" type="application/rss+xml"/><item><title>होमोमोर्फिक एन्क्रिप्शन और फेडरेटेड लर्निंग का उपयोग करके एज पर रीयल‑टाइम प्राइवेसी‑प्रिज़र्विंग सिंथेटिक डेटा जेनरेशन</title><link>https://blog.formize.com/hi/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/hi/real-time-privacy-preserving-synthetic-data-generation-at-th/</guid><description>&lt;h1 id="हममरफक-एनकरपशन-और-फडरटड-लरनग-क-उपयग-करक-एज-पर-रयलटइम-परइवसपरजरवग-सथटक-डट-जनरशन">होमोमोर्फिक एन्क्रिप्शन और फेडरेटेड लर्निंग का उपयोग करके एज पर रीयल‑टाइम प्राइवेसी‑प्रिज़र्विंग सिंथेटिक डेटा जेनरेशन&lt;/h1>
&lt;h2 id="परचय">परिचय&lt;/h2>
&lt;p>एज AI अब केवल इन्फ़रेंस‑केवल वर्कलोड्स से &lt;strong>डेटा‑सेंट्रिक&lt;/strong> पाइपलाइन की ओर बढ़ रहा है, जिसमें निरंतर मॉडल अपडेट, ऑन‑डिवाइस ट्रेनिंग, और सिंथेटिक डेटा जेनरेशन की आवश्यकता होती है। जबकि सिंथेटिक डेटा वास्तविक‑विश्व डेटा संग्रह की लागत को काफी घटा सकता है, यह तब &lt;strong>प्राइवेसी&lt;/strong> संबंधी चिंताएँ भी उत्पन्न करता है जब स्रोत डेटा उपयोगकर्ताओं के डिवाइसों से आता है। पारंपरिक अनामिकरण तकनीकें (मास्किंग, डिफरेंशियल प्राइवेसी) या तो डेटा उपयोगिता को घटा देती हैं या भरोसेमंद केंद्रीय प्राधिकरण की आवश्यकता रखती हैं—जो दोनों ही लेटेंसी‑संवेदनशील एज परिदृश्यों के लिए अनुकूल नहीं हैं।&lt;/p></description></item></channel></rss>