El aprendizaje federado con privacidad diferencial es una técnica en la que muchos ordenadores colaboran para entrenar un modelo sin compartir sus datos personales.
Imagina que muchas personas escriben un libro conjunto, pero nadie muestra sus propias notas o secretos.
La técnica protege la privacidad asegurando que nadie pueda descubrir los datos personales de los participantes individuales.
Así, muchos dispositivos u organizaciones pueden aprender juntos sin revelar información privada.
Esto es especialmente importante cuando se utilizan datos sensibles como información de salud o financiera.