本发明公开了一种基于联邦学习的个性化行为推荐方法，包括如下步骤：步骤1，采集用户行为特征数据，对用户行为特征数据进行分类，并根据用户行为特征数据的类别划分本地客户端；对用户行为特征数据进行标准化处理，再将标准化处理后的用户行为特征数据构建成特征矩阵形式；步骤2，在本地客户端建立本地模型；步骤3，基于服务器端与客户端用户的互动，在联邦学习算法中加入双重主观逻辑模型，量化本地模型的声誉值，最终将训练好的的模型参数及其声誉值上传至服务器上。有利于隐私安全，将用户的隐私保存在本地客户端；还可以实现在个人用户的推荐基础上，进行团体推荐。