本发明公开了一种联邦网络表示学习方法及系统，提出一种隐私保护的上下文节点采样的方法来生成训练节点对，通过多轮本地训练、分布式训练、全局聚合这三个步骤来学习每个数据拥有者的节点低维向量表示。本发明主要基于联邦学习的思想，考虑多个参与者所拥有的网络数据互补的特征和数据私密性问题，提出了一种联邦网络表示学习的表示学习方法及系统。本方法充分考虑多个参与者所拥有的网络共享部分相同的节点集的特性，通过隐私保护的上下文节点采样和联邦训练来让多个参与者在隐私保护的前提下共同协作来学习各自的节点向量表示。通过本发明，每个参与者获得的节点向量表示将比使用自己的网络单独训练更加有效。