本发明公开一种横向联邦xgboost决策树的训练方法，涉及机器学习和联邦学习的决策树技术领域，利用门限同态加密构造横向联邦决策树方案；处理多数据源的决策树训练时，通过同态加密技术提高隐私保护强度，降低通信轮数和通信量，提高方案在互联网环境运行的性能。本发明的主要技术方案为：预先构建包含一个聚合方和多个参与方的系统结构，再采用门限同态加密技术构造横向联邦学习，对训练过程中的聚合方和各参与方的梯度数据进行加密，再对聚合后的密文数据进行联合解密，在保护各方数据隐私的同时，获得联合训练的决策树模型。