本发明涉及联合学习技术领域，特别涉及一种基于参数扩充的联合学习方法、装置及系统；所述方法包括在本地训练全局模型，记录本地训练过程中产生的梯度值；利用梯度值集合采用扩充法改进k匿名算法，扩充出参数集合；将这些参数集合发送给服务器，服务器将对接收到的参数集合进行单点聚合，求出每个参数集合中的平均值；将这些平均值采用加权平均求出新的参数；利用新的参数构建新的全局模型，测试所述新的全局模型是否满足停止迭代条件，若满足，则停止训练过程，否则服务器将全局模型发送至计算设备继续进行训练；在上述方案中，本发明可以解决联合学习过程中的重构攻击问题，增强参数的隐匿性，保护数据安全。