<?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 բլոգ</title><link>https://blog.formize.com/hy/tags/real-time/</link><description>Recent content in Real-Time on Formize.com բլոգ</description><generator>Hugo</generator><language>hy</language><atom:link href="https://blog.formize.com/hy/tags/real-time/index.xml" rel="self" type="application/rss+xml"/><item><title>Ժամանակին իրական ժամանակում գաղտնիություն պահպանող սինտետիկ տվյալների գեներացում եզրում՝ հոմոմորֆիկ գաղտնագրում և ֆեդերացված ուսուցում օգտագործելով</title><link>https://blog.formize.com/hy/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/hy/real-time-privacy-preserving-synthetic-data-generation-at-th/</guid><description>&lt;h1 id="ժամանակին-իրական-ժամանակում-գաղտնիություն-պահպանող-սինտետիկ-տվյալների-գեներացում-եզրում-հոմոմորֆիկ-գաղտնագրում-և-ֆեդերացված-ուսուցում-օգտագործելով">Ժամանակին իրական ժամանակում գաղտնիություն պահպանող սինտետիկ տվյալների գեներացում եզրում՝ հոմոմորֆիկ գաղտնագրում և ֆեդերացված ուսուցում օգտագործելով&lt;/h1>
&lt;h2 id="ներածություն">Ներածություն&lt;/h2>
&lt;p>Էզրային AI-ն տեղափոխվում է միայն ենթադրյալների (inference) բեռնվածություններից դեպի &lt;strong>տվյալ‑կենտրոնացված&lt;/strong> շղթաներ, որոնք պահանջում են շարունակական մոդելի թարմացումներ, սարքի ներսում ուսուցում և սինտետիկ տվյալների գեներացում։ Թեև սինտետիկ տվյալները կարող են զգալիորեն նվազեցնել արժեքավոր իրական աշխարհից տվյալների հավաքագրման անհրաժեշտությունը, դրանք նաև առաջացնում են &lt;strong>գաղտնիության&lt;/strong> խնդիրներ, երբ աղբյուրի տվյալները գալիս են օգտատերերի սարքերից։ Ավանդական անանունացման տեխնիկաները (դիմակավորում, տարբերակային գաղտնիություն) կամ տվյալների օգտակարությունը նվազեցնում են, կամ պահանջում են վստահելի կենտրոնական մարմին՝ երկու դեպքում էլ անհարմար են ուշագրավության‑զգայուն եզրային սցենարների համար։&lt;/p></description></item></channel></rss>