本申请公开了一种联邦学习方法、装置、设备、存储介质及计算机程序，涉及计算机技术领域。该方法包括：从训练数据集对应的数据特征中确定至少一个目标特征；以至少一个目标特征为模型构建基础，得到n个候选决策树模型；基于n个候选决策树模型对训练数据集中训练数据的预测结果，从n个候选决策树模型中确定目标决策树模型；将目标决策树模型发送至第二计算设备，第二计算设备对包括目标决策树模型的至少两个决策树模型进行融合，得到联邦学习模型。通过以上方式，第一计算设备在保护数据隐私的条件下向第二计算设备进行一次决策树模型发送，使得构建联邦学习模型的过程更便捷。本申请可应用于云技术、人工智能、智慧交通等各种场景。