<?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 Blog Formize.com</title><link>https://blog.formize.com/sk/tags/real-time/</link><description>Recent content in Real-Time on Blog Formize.com</description><generator>Hugo</generator><language>sk</language><atom:link href="https://blog.formize.com/sk/tags/real-time/index.xml" rel="self" type="application/rss+xml"/><item><title>Generovanie syntetických dát v reálnom čase s ochranou súkromia na okraji pomocou homomorfného šifrovania a federovaného učenia</title><link>https://blog.formize.com/sk/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/sk/real-time-privacy-preserving-synthetic-data-generation-at-th/</guid><description>&lt;h1 id="generovanie-syntetických-dát-v-reálnom-čase-s-ochranou-súkromia-na-okraji-pomocou-homomorfného-šifrovania-a-federovaného-učenia">Generovanie syntetických dát v reálnom čase s ochranou súkromia na okraji pomocou homomorfného šifrovania a federovaného učenia&lt;/h1>
&lt;h2 id="úvod">Úvod&lt;/h2>
&lt;p>Edge AI prechádza od úloh výlučne na inferenciu k &lt;strong>dátovo‑centrickým&lt;/strong> pipeline‑om, ktoré vyžadujú neustále aktualizácie modelov, tréning na zariadení a generovanie syntetických dát. Zatiaľ čo syntetické dáta môžu výrazne znížiť potrebu nákladného zberu reálnych dát, zároveň vyvolávajú &lt;strong>obavy o súkromie&lt;/strong>, keďže zdrojové dáta pochádzajú z používateľských zariadení. Tradičné techniky anonymizácie (maskovanie, diferenciálna ochrana súkromia) buď znižujú užitočnosť dát, alebo vyžadujú dôveryhodnú centrálnu autoritu — čo je v latenciu‑citlivých okrajových scenároch nežiaduce.&lt;/p></description></item></channel></rss>