<?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/vi/tags/real-time/</link><description>Recent content in Real-Time on Blog Formize.com</description><generator>Hugo</generator><language>vi</language><atom:link href="https://blog.formize.com/vi/tags/real-time/index.xml" rel="self" type="application/rss+xml"/><item><title>Tạo Dữ Liệu Tổng Hợp Bảo Mật Thời Gian Thực Tại Cạnh Sử Dụng Mã Hóa Đồng Hành và Học Liên Kết</title><link>https://blog.formize.com/vi/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/vi/real-time-privacy-preserving-synthetic-data-generation-at-th/</guid><description>&lt;h1 id="tạo-dữ-liệu-tổng-hợp-bảo-mật-thời-gian-thực-tại-cạnh-sử-dụng-mã-hóa-đồng-hành-và-học-liên-kết">Tạo Dữ Liệu Tổng Hợp Bảo Mật Thời Gian Thực Tại Cạnh Sử Dụng Mã Hóa Đồng Hành và Học Liên Kết&lt;/h1>
&lt;h2 id="giới-thiệu">Giới Thiệu&lt;/h2>
&lt;p>AI tại cạnh đang chuyển từ các khối lượng công việc chỉ suy luận sang các pipeline &lt;strong>tập trung vào dữ liệu&lt;/strong> đòi hỏi cập nhật mô hình liên tục, đào tạo trên thiết bị và tạo dữ liệu tổng hợp. Trong khi dữ liệu tổng hợp có thể giảm đáng kể nhu cầu thu thập dữ liệu thực tế tốn kém, nó cũng gây ra các mối quan ngại &lt;strong>bảo mật&lt;/strong> khi dữ liệu nguồn xuất phát từ thiết bị của người dùng. Các kỹ thuật ẩn danh truyền thống (che giấu, differential privacy) hoặc làm giảm tính hữu dụng của dữ liệu hoặc yêu cầu một thực thể trung tâm đáng tin cậy — cả hai đều không phù hợp cho các kịch bản cạnh nhạy cảm về độ trễ.&lt;/p></description></item></channel></rss>