本发明实施例提供了一种优化树模型训练的方法及纵向联邦学习系统，该方法包括：数据提供方先基于分桶得到的各分桶中第一用户样本数据的数量，确定用户样本数据的数量最多的分桶；然后基于数据需求方发送的同态加密的梯度信息和除用户样本数据的数量最多的分桶外的各分桶的第一用户样本数据建立加密的第一梯度直方图；数据需求方基于第二用户样本数据的梯度总和以及解密后的第一梯度直方图，确定的用户样本数据的数量最多的分桶所对应的梯度信息，最后基于解密后的第一梯度直方图和用户样本数据的数量最多的分桶所对应的梯度信息，确定树模型的最优分裂点，可以减少加密计算过程和解密计算过程所带来的时间开销，进而可以提高树模型的训练效率。