本发明公开了一种基于GAN模拟数据生成的垂直联邦学习防御方法，包括以下步骤：参与方准备训练数据特征和标签，主动参与方发送样本和标签，被动参与方准备匹配的特征数据；参与者进行关键属性查找，参与者采用模型结构进行训练，通过对神经元的权重值排序查找关键属性；使用GAN生成模拟数据，依次由生成器模型对随机生成的噪声进行训练，判别器模型根据置信度信息进行训练；关键属性值替换，GAN生成的模拟数据对关键属性替换，获得真实属性；参与方上传模拟数据进行训练，得到垂直联邦模型。本发明基于GAN的垂直联邦学习防御方法可有效防止参与方的隐私泄露，在可接受的模型性能降低的代价范围内保护数据隐私安全。