<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom"><channel><title>Архитектура on RFY News</title><link>https://rfynews.com/categories/%D0%B0%D1%80%D1%85%D0%B8%D1%82%D0%B5%D0%BA%D1%82%D1%83%D1%80%D0%B0/</link><description>Recent content in Архитектура on RFY News</description><generator>Hugo</generator><language>ru-ru</language><lastBuildDate>Wed, 07 Oct 2026 08:35:26 +0300</lastBuildDate><atom:link href="https://rfynews.com/categories/%D0%B0%D1%80%D1%85%D0%B8%D1%82%D0%B5%D0%BA%D1%82%D1%83%D1%80%D0%B0/index.xml" rel="self" type="application/rss+xml"/><item><title>Конфиденциальные вычисления: как обучать модели без утечки данных</title><link>https://rfynews.com/privacy-enhancing-computation-federated-learning/</link><pubDate>Fri, 25 Sep 2026 00:00:00 +0000</pubDate><guid>https://rfynews.com/privacy-enhancing-computation-federated-learning/</guid><description>&lt;p&gt;Ужесточение требований к суверенитету данных заставило бизнес пересмотреть методы работы с искусственным интеллектом. Технологии privacy-enhancing computation (PETs), включая федеративное обучение и гомоморфное шифрование, стали стандартом для финансового и медицинского секторов.&lt;/p&gt;&#10;&lt;p&gt;Компании больше не обязаны передавать закрытые базы сторонним провайдерам: модель «приходит» к данным, производит локальные математические корректировки весов и возвращает только обезличенный результат.&lt;/p&gt;</description></item></channel></rss>