El Internet de las cosas (IoT) presenta desafíos únicos para la implementación de modelos de aprendizaje automático (ML), especialmente debido a las limitaciones en recursos computacionales, la necesidad de procesamiento descentralizado y preocupaciones sobre seguridad y privacidad en entornos interconectados como el Internet de nube. En este documento, se propone un novedoso marco de ML descentralizado para entornos de IoT caracterizados por comunicación inalámbrica, flujos de datos dinámicos e integración con servicios en la nube. El marco integra algoritmos de aprendizaje incremental con un sólido protocolo de intercambio de modelos descentralizado, garantizando que la privacidad de los datos se preserve, al mismo tiempo que permite a los dispositivos IoT participar en el aprendizaje colaborativo a partir de datos distribuidos en redes de nube. Al incorporar un protocolo de comunicación basado en chismes, el marco asegura un intercambio de modelos energéticamente eficiente, escalable y seguro, fomentando un efectivo intercambio de conocimientos entre dispositivos, al mismo tiempo que aborda las posibles amenazas de seguridad inherentes en los ecosistemas de IoT basados en la nube. El rendimiento del marco fue evaluado a través de simulaciones, demostrando su capacidad para manejar las complejidades del procesamiento de datos en tiempo real en entornos de IoT con recursos limitados, al mismo tiempo que mitiga los riesgos de seguridad y privacidad dentro del Internet de nube.