<?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 블로그</title><link>https://blog.formize.com/ko/tags/real-time/</link><description>Recent content in Real-Time on Formize.com 블로그</description><generator>Hugo</generator><language>ko</language><atom:link href="https://blog.formize.com/ko/tags/real-time/index.xml" rel="self" type="application/rss+xml"/><item><title>동형 암호화와 연합 학습을 활용한 엣지에서 실시간 프라이버시 보호 합성 데이터 생성</title><link>https://blog.formize.com/ko/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/ko/real-time-privacy-preserving-synthetic-data-generation-at-th/</guid><description>&lt;h1 id="동형-암호화와-연합-학습을-활용한-엣지에서-실시간-프라이버시-보호-합성-데이터-생성">동형 암호화와 연합 학습을 활용한 엣지에서 실시간 프라이버시 보호 합성 데이터 생성&lt;/h1>
&lt;h2 id="소개">소개&lt;/h2>
&lt;p>엣지 AI는 &lt;strong>추론 전용&lt;/strong> 워크로드에서 &lt;strong>데이터 중심&lt;/strong> 파이프라인으로 전환하고 있습니다. 여기서는 지속적인 모델 업데이트, 디바이스 내 학습, 합성 데이터 생성을 필요로 합니다. 합성 데이터는 실제 데이터를 수집하는 비용을 크게 줄일 수 있지만, 소스 데이터가 사용자 디바이스에서 나올 경우 &lt;strong>프라이버시&lt;/strong> 문제가 발생합니다. 기존 익명화 기법(마스킹, 차등 프라이버시)은 데이터 유용성을 떨어뜨리거나 신뢰할 수 있는 중앙 권한을 요구하는데, 이는 지연에 민감한 엣지 시나리오에서는 바람직하지 않습니다.&lt;/p></description></item></channel></rss>