本发明涉及一种基于联邦学习的非侵入式设备状态识别方法及装置，方法包括：在多个本地用户节点中布置非侵入式设备数据采集系统，对本地用户节点中干路的总电流数据进行高频采样，对本地用户节点中各并联分路的功率数据进行低频采样；构建历史数据集；构建深度学习神经网络，将特征提取子网络布置在本地用户节点中，将设备预测子网络布置在云端；通过历史数据集训练深度学习神经网络，训练过程中本地用户节点与云端通过加密算法进行数据传输；使用训练得到的识别模型对设备状态进行识别。与现有技术相比，本发明解决了数据可靠性问题，解决了高频采样下存在的数据传输瓶颈问题，解决了在训练和预测过程中的用户隐私安全问题。