本申请涉及一种基于纵向联邦学习的数据预测方法、装置和计算机设备。方法包括：根据总模型在上一时间步的全局损失对各成员方本地循环时间网络模型的第一模型参数进行更新；将标签数据输入成员方的本地模型，根据第一模型参数确定本地模型的输出结果，将加密后的输出结果上链；通过智能合约确定训练上层模型的执行方，将所有当前时间步的输出结果传递至每个执行方；对于每个执行方，将所有本地模型在当前时间步的加密后的输出结果作为上层模型的输入，根据更新后的第二模型参数值得到标签数据的当前预测值。采用本方法能够提高纵向联邦学习过程中各成员方本地数据的安全性。