Tränare laddar inte upp dataset till nätverket. Utbildningen körs lokalt på tränarens egen maskin med hjälp av deras hårdvara och data. Efter att utbildningen är klar skickar de endast in gradienter. Rådata delas, lagras eller granskas aldrig av någon annan. Integriteten bevaras av systemets design snarare än av regler eller förtroende. Detta gör det möjligt för tränare att bidra med beräkningar och förbättra modeller utan att exponera känslig eller proprietär information.