本发明涉及机器学习技术领域，旨在提供一种基于共享学习的神经网络模型的训练方法。该方法是由多个共享学习参与方通过秘密分享进行混合安全多方计算和中心节点本地计算，实现神经网络模型训练；具体包括：数据准备；数据加载和初始化；载入当前训练批次；计算第一层线性输出；计算模型预测值；计算模型输出梯度；更新模型及计算；更新本地共享权重；在测试集上评估。本发明结合多方安全计算和本地计算，提高了共享学习的效率。通过在线的加密乘法三元组提供方，提高了秘密共享的安全多方计算的效率，相比同态加密、混淆电路等方案极大地降低了开销。适用于纵向共享学习场景，能够使得各方在没有任何重合特征的情况下进行联邦建模。