本公开的实施例提供了一种联邦集成学习方法、装置、设备和计算机可读存储介质。该方法通过在各个参与方本地基于指数机制的差分隐私进行特征选择和模型选择，并将所选择的训练模型发送至联邦服务器用于集成融合，从而生成性能更优的联邦集成模型。通过该方法能够以明文形式将所选择的训练模型的参数发送至联邦服务器，而无需使用任何密码学方法，避免了基于密码学方法的密文膨胀问题，从而在保证无数据泄露风险的情况下实现更高效且低通信开销的联邦学习。此外，本公开的实施例所提供的方法还可以通过在参与方之间进行训练模型的直接传输而支持仅有两个参与方的场景，并且支持在无需联邦服务器的情况下多个参与方之间的直接通信与模型融合。