本发明公开了一种面向k‑means聚类算法的联邦学习方法，该方法包括纵向联邦学习与横向联邦学习。横向联邦学习，包括如下步骤：1)初始化K个聚类，不同参与者将本地样本分给距离该样本最近的聚类2)对每个聚类，计算该聚类的新的聚类中心。3)如果聚类中心发生变化，那么回到步骤1)；纵向联邦学习，包括如下步骤：1)L个参与者分别在本地运行k‑means聚类算法得到T个聚类且做交集得到新的TL个聚类或AP聚类算法得到Ti个聚类且做交集得到新的个聚类。2)将新的个聚类中心作为输入样本，初始化K个聚类。3)将每个样本分给距离它最近的聚类。4)对每个聚类，计算该类的新的聚类中心。5)如果聚类中心发生变化，那么回到步骤3)。