El uso actual del aprendizaje federado en aplicaciones depende de la existencia de servidores. Para abordar la incapacidad de llevar a cabo el aprendizaje federado para aplicaciones de IoV (Internet de los Vehículos) en áreas sin servidores, se propone en este documento una arquitectura P2P (peer-to-peer) para el aprendizaje federado. Tras la segmentación de nodos basada en diámetros de subgráficos limitados, se emplea un modo de agregación de bordes para propagar modelos hacia adentro, y se propone un modo para propagar el modelo hacia adentro hasta el nodo C (nodo central) mientras se realiza la agregación. Simultáneamente, se diseñó un esquema de privacidad diferencial personalizado bajo esta arquitectura. A través de experimentación y verificación, el enfoque propuesto en este documento demuestra la combinación de seguridad y usabilidad.