本发明公开了一种基于联邦学习的用户评分方法、服务器及存储介质，涉及人工智能技术领域。该方法包括：获取第一业务系统存储的当前用户的第一用户特征；将第一用户特征输入至第一用户评价模型，得到第一用户评分；调用第二用户评价模型对当前用户的第二用户特征进行处理，得到第二用户评分，第一用户评价模型和第二用户评价模型为通过联邦学习训练得到的神经网络模型；根据第一用户评分和第二用户评分确定当前用户的目标用户评分。能够结合第一方数据和第二方数据，提高用户评价的准确性。采用联邦学习训练第一用户评价模型和第二用户评价模型能够保证在第一方和第二方的真实数据不被暴露的情况下对模型进行训练，提高数据安全。