<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom"><channel><title>GAN on Blog Formize.com</title><link>https://blog.formize.com/ro/tags/gan/</link><description>Recent content in GAN on Blog Formize.com</description><generator>Hugo</generator><language>ro</language><atom:link href="https://blog.formize.com/ro/tags/gan/index.xml" rel="self" type="application/rss+xml"/><item><title>Date sintetice diferențialmente private pentru IoT de sănătate la margine</title><link>https://blog.formize.com/ro/differentially-private-synthetic-data-for-edge-healthcare-io/</link><pubDate>Mon, 01 Jan 0001 00:00:00 +0000</pubDate><guid>https://blog.formize.com/ro/differentially-private-synthetic-data-for-edge-healthcare-io/</guid><description>&lt;h1 id="date-sintetice-diferențialmente-private-pentru-iot-de-sănătate-la-margine">Date sintetice diferențialmente private pentru IoT de sănătate la margine&lt;/h1>
&lt;h2 id="introducere">Introducere&lt;/h2>
&lt;p>Dispozitivele medicale activate la margine — monitoare purtabile de ritm cardiac, senzori de glucoză, sonde portabile de ultrasunete — generează fluxuri masive de informații de sănătate identificabile personal. Deși mutarea analiticii la margine reduce latența și costurile de bandă, ridică și o întrebare critică: &lt;strong>Cum putem extrage valoare din aceste date fără a expune confidențialitatea pacienților?&lt;/strong>&lt;/p>
&lt;p>Generarea de date sintetice oferă un răspuns promițător. Prin antrenarea unui model generativ pe măsurători reale și apoi eliberarea doar a ieșirilor modelului, organizațiile pot partaja date pentru cercetare, antrenarea modelelor AI sau colaborări inter‑instituționale fără a transmite vreodată înregistrări brute ale pacienților. Totuși, conductele naive de date sintetice pot încă scurgeri informații sensibile prin atacuri de inversare a modelului sau inferență de apartenență.&lt;/p></description></item></channel></rss>