El presente trabajo surge como una investigación vinculada a los proyectos de caátedra de Inteligencia Artificial y Big Data, y tiene como objetivo realizar un estudio de la técnica PATE: Private Aggregation of Teacher Ensembles. Esta técnica permite el entrenamiento de modelos de aprendizaje automático con ciertas garantías de privatización dadas por privacidad diferencial. Por otro lado, el proyecto tiene como objetivo la construcción de una herramienta de software extensible que implemente dicha técnica. Esta herramienta permite entrenar distintos tipos de modelos de redes neuronales, y soporta la utilización de distintos mecanismos de agregación y de privatización relacionados a la técnica PATE. Luego la misma se aplica para entrenar un detector de consultas web malignas en base a un conjunto de datos sensibles, logrando no solo altos niveles de precisión, sino que tambi ́en garantías robustas de privacidad.