本申请提供了一种联邦学习模型的数据处理方法，应用于第一参与方设备；方法包括：获取第一参与方设备提供的用于训练联邦学习模型的至少一个第一特征；接收第二参与方设备发送的至少一个匿名特征，匿名特征与用于训练联邦学习模型的第二特征相对应；从第一特征及匿名特征中选取至少一个特征，获取各特征对应联邦学习模型的预测结果；基于各特征，构建线性模型的训练样本，并基于训练样本以及预测结果，训练线性模型，得到线性模型收敛时的模型参数；基于模型参数，确定各第一特征对应的第一贡献信息，以及各匿名特征对应的第二贡献信息。通过本申请，能够衡量单条样本中每个特征的贡献信息，同时能够有效减少模型的计算量，提高计算效率。