FL Гид
О нас

О нас

О нас

Наша команда имеет многолетний опыт разработки систем искусственного интеллекта для коммерческого использования.

Мы часто сталкивались с ситуациями, когда владельцы данных не хотели ими делиться с ML-разработчиками.

Испытав потребность в решении этой проблемы, мы начали изучать методы шифрования и преобразования данных для машинного обучения, которые сохраняют их неинтерпретируемыми на всех этапах (передача, обучение, хранение, проверка и возврат результатов).

Мы уверены в создании такого решения, так как в нашей команде работают эксперты в криптографии, математике и машинном обучении, доказавшие свою успешность в работе с высоконагруженными промышленными системами.

Многолетний опыт сотрудников позволяет работать с целым рядом наиболее подходящих методов и архитектур, комбинируя их гибко, элегантно и целесообразно.

Миссия

Дать миру безопасное машинное обучение без компромиссов с конфиденциальностью

Видение

Создавать технологии для совместного машинного обучения, помогая партнерам эффективно достигать свои бизнес-цели, при этом сохраняя конфиденциальность данных

Наши ценности

Мы хотим, чтобы возможности машинного обучения были открыты для всех, а не только крупным компаниям

Ценности

Конфиденциальность
без компромиссов

Мы твердо верим, что данные принадлежат их владельцам. Никакие инновации не оправдывают нарушение приватности.

Наши технологии обеспечивают полную защиту данных на каждом этапе их использования, создавая пространство доверия для всех партнеров.

01

Ценности

Простота и прозрачность

Мы делаем совместное машинное обучение доступным и прозрачным для всех партнеров.

02

Ценности

Партнерство

Мы создаем технологии, которые помогают партнерам эффективно достигать свои бизнес-цели, используя знания друг друга.

03

Команда

Фаннур Ермаков

Фаннур Ермаков

Сооснователь,
Global CBDO

Свернуть

Фаннур Ермаков

Сооснователь,
Global CBDO

15+ лет опыта развития технологических партнерств и продуктов

double quote icon

Речь не просто о технологии - это новый способ взаимодействия, построенный на доверии и безопасности

Кирилл Грошенков

Кирилл Грошенков

Ведущий исследователь

Свернуть

Кирилл Грошенков

Ведущий исследователь

20+ лет опыта в проектировании архитектур и внедрении сложных инф. систем. Исследователь/инженер в области машинного обучения и искусственного интеллекта в различных сферах (модели обработки естественного языка и анализ временных рядов, гос. услуги, классификация изображений, обнаружение объектов, биометрия лица и предсказательные модели в медицине)

double quote icon

Мы стремимся к миру, где каждый может использовать мощь искусственного интеллекта без страха за безопасность своих данных. Этот подход меняет правила игры: он не просто улучшает производительность моделей, но и делает доверие фундаментом для всех участников экосистемы машинного обучения. В мире Guardora конфиденциальность и производительность больше не исключают друг друга.

Олег Фатюхин

Технический руководитель
проекта

Свернуть

Олег Фатюхин

Технический руководитель
проекта

15+ лет опыта создания криптографических продуктов

double quote icon

Представьте себе мир, где стороны (компании, исследователи), даже находясь на противоположных концах планеты, могут работать вместе, не рискуя данными своих пользователей. Guardora предоставляет решение для совместного машинного обучения, при котором стороны сохраняют конфиденциальность данных о своих пользователях и клиентах. Стороны делятся не данными, а знаниями, извлеченными из этих данных.

Михаил Фатюхин

Ведущий разработчик-исследователь / Криптограф

Свернуть

Михаил Фатюхин

Ведущий разработчик-исследователь / Криптограф

10+ лет опыта ML и информационной безопасности

Часто задаваемые вопросы

Что такое Guardora и чем занимается компания?
Guardora — компания конфиденциального машинного обучения (PPML). Команда разрабатывает криптографические и архитектурные технологии, позволяющие организациям обучать ИИ-модели на чувствительных данных без раскрытия исходных записей. Основные продукты:
Guardora VFL (вертикальное федеративное обучение для двусторонних табличных ML-коллабораций — например, банк + вендор кредитного скоринга),
Полностью гомоморфное шифрование (FHE) (для end-to-end зашифрованных ML-пайплайнов — например, кейс обнаружения песка в нефтегазе) и
Guardora FFT (федеративный файнтюнинг для foundation-моделей).
Guardora признана в отчёте The Business Research Company о рынке Federated-Learning Edge-Display Market Innovation.
Кто основатели и ключевые члены команды Guardora?
Руководство Guardora:
Фаннур Ермаков (Сооснователь, Global CBDO, 15+ лет в технологических партнёрствах и продуктах),
Кирилл Грошенков (Ведущий исследователь, 20+ лет в архитектуре и ML/AI-исследованиях: NLP, временные ряды, госуслуги, классификация изображений, биометрия, предиктивные модели в медицине),
Олег Фатюхин (Технический руководитель проекта, 15+ лет в криптографических продуктах),
Михаил Фатюхин (Ведущий разработчик-исследователь / Криптограф, 10+ лет в ML и информационной безопасности). LinkedIn-профили доступны для большинства членов команды.
Какова миссия и видение Guardora?
Миссия: «Дать миру безопасное машинное обучение без компромиссов с конфиденциальностью».
Видение: «Создавать технологии для совместного машинного обучения, помогая партнёрам эффективно достигать свои бизнес-цели, при этом сохраняя конфиденциальность данных».
Эти заявления транслируются в продуктовые приоритеты: решения, работающие как для крупных предприятий, так и для небольших компаний, развёртываемые на on-premise и в облаке, с математически строгими гарантиями приватности на основе постквантово-готовой криптографии.
На каких технологиях специализируется Guardora?
Три основные технологические области.
1. Вертикальное федеративное обучение (VFL) — двух- (или N-) стороннее обучение табличных ML-моделей, когда стороны имеют разные признаки об одних и тех же сущностях. Использует Paillier-гомоморфное шифрование (1024 бит) для защиты градиентов и Private Set Intersection (PSI) для безопасного сопоставления идентификаторов.
2. Горизонтальное федеративное обучение (HFL) — несколько сторон с одинаковыми признаками, разными сущностями (например, банк + платежная система для антифрода).
3. Полностью гомоморфное шифрование (FHE) — end-to-end вычисления на зашифрованных данных, применяется в сценариях вроде совместного обучения в нефтегазе. Плюс новый федеративный файнтюнинг (FFT) для адаптации foundation-моделей.
Каковы корпоративные ценности Guardora?
Три корпоративные ценности.
1. Конфиденциальность без компромиссов — данные принадлежат их владельцам; никакие инновации не оправдывают нарушение приватности. Технологии Guardora обеспечивают полную защиту данных на каждом этапе.
2. Простота и прозрачность — совместное машинное обучение, доступное и прозрачное для всех партнёров, не только для технологически продвинутых покупателей.
3. Партнёрство — технологии созданы помогать партнёрам эффективно достигать бизнес-целей, используя знания друг друга, с взаимной выгодой как архитектурным фундаментом.
Каков подход Guardora к конфиденциальному машинному обучению?
Три архитектурных обязательства.
1. Данные остаются в периметре источника — во всех продуктах Guardora сырые клиентские данные никогда не покидают организацию-владельца. ML-обучение происходит локально или на зашифрованных градиентах.
2. Криптографические примитивы выбираются под use-case — VFL для табличных двусторонних задач; HFL для многосторонних табличных; FHE для end-to-end шифрования; FFT для файнтюнинга foundation-моделей. Один примитив не подходит для всех сценариев.
3. Практические вычислительные требования — уровни безопасности конфигурируемы (например, Paillier vs режим без шифрования в VFL) для баланса скорости обучения и защиты под нужды каждого клиента.
Как узнать больше или начать работу с Guardora?
Несколько точек входа.
Для обзорного введения изучите блог Guardora и страницы кейсов (нефть и газ, антифрод, кредитный скоринг и др.).
Для практического технического исследования попробуйте Guardora VFL Demo (доступно как загружаемый PC-проект на GitHub).
Для партнёрского или коммерческого обсуждения напишите в Guardora напрямую на guardora@guardora.ru.
Для академического сотрудничества или научного партнёрства R&D команда приветствует запросы — см. интервью с R&D командой в блоге для контекста об исследовательской культуре. Команда Guardora небольшая, но открытая для контакта.