El aprendizaje federado en terminales móviles de gran escala y dispositivos de Internet de las cosas (IoT) enfrenta los problemas de fuga de privacidad, limitación de recursos y abandonos frecuentes de usuarios. Este documento propone un método de agregación segura eficiente basado en atributos multi-homomórficos para realizar la agregación preservando la privacidad de modelos locales al tiempo que garantiza bajos costos adicionales y tolerancia a abandonos de usuarios.