本发明公开了一种基于神经元激活值聚类的纵向联邦学习后门防御方法，包括：构建包含多个参与方和协作方的纵向联邦推荐系统；联邦学习，协作方在获得聚合嵌入表示对应的构建商品导向链路后，通过对商品导向链路进行分类以有效第筛选出潜在后门攻击的商品导向链路，并利用聚类结果对后门攻击的商品导向链路进行修复，以指导后门攻击的商品样本朝着正确的预测方向进行学习，这样无需获得参与方的商品样本，修复后的商品推荐模型能够防御后门攻击；还通过对与后门攻击的聚合嵌入表示相同ID的联合嵌入表示进行滤除或攻击修复，以阻止或改善后门攻击的聚合嵌入表示对商品推荐模型的参数优化，提升商品推荐模型对后门攻击的防御能力。