Os formadores não carregam conjuntos de dados para a rede. O treinamento é realizado localmente na máquina do formador, utilizando o seu hardware e dados. Após a conclusão do treinamento, eles submetem apenas gradientes. Os dados brutos nunca são compartilhados, armazenados ou inspecionados por mais ninguém. A privacidade é preservada pelo design do sistema, em vez de por regras ou confiança. Isto permite que os formadores contribuam com poder computacional e melhorem modelos sem expor informações sensíveis ou proprietárias.