本公开提供了一种纵向联邦学习方法、装置、系统、设备及存储介质，该方法包括：第一数据方基于掩码矩阵计算噪声矩阵，将残差向量与噪声矩阵的乘积确定为加噪残差向量，并将该加噪残差向量发送至第二数据方。第二数据方基于加噪残差向量计算梯度向量，以更新模型参数。本公开中第一数据方通过为第二数据方计算噪声矩阵，并基于噪声矩阵为残差向量加密的方式，保证第一数据方计算得到的残差向量不会被第二数据方获取，达到了保护第一数据方的样本中标签隐私的目的。另外，通过噪声矩阵对残差向量加密的方式计算开销较小，因此，本公开能够在保证数据隐私的基础上，提高纵向联邦学习的效率。