本发明涉及数据处理领域，揭露一种基于联邦学习的数据推荐方法，所述方法包括：获取多个本地客户端的本地数据，利用每个本地数据对预先在中央服务器中构建的数据推荐模型进行训练，得到多个训练推荐模型；将多个训练模型同态加密后上传至中央服务器，通过中央服务器对训练推荐模型进行梯度聚合，得到聚合推荐模型，将聚合推荐模型加密后分发给每个本地客户端；利用每个本地客户端对加密后的聚合推荐模型进行解密，得到多个解密推荐模型，通过解密推荐模型，更新训练推荐模型的推荐参数，得到更新训练推荐模型；根据更新训练推荐模型，将待推荐数据推荐至本地客户端中的终端用户。本发明可以提高数据推荐的安全性。