本发明公开了一种联邦学习的数据隐私保护方法，包括自治和联合两个步骤，所述自治具体为：两个或两个以上的参与方在各自的终端安装初始化的模型，每个参与方拥有相同的模型，参与方各自使用当地的数据训练模型得到不同的模型参数；所述联合具体为：参与方将所述不同的模型参数同时上传到云端，由所述云端完成模型参数的聚合与更新，并且将更新好的参数返回到各参与方的终端，所述各参与方的终端开始下一次的迭代，重复以上的步骤，直到整个训练过程收敛。本发明实现了在数据不出本地的条件下进行联合建模，利用模型参数的交互代替数据的直接交换，既实现了数据的交互，又解决了数据的隐私和安全问题。