本发明涉及大数据技术领域，具体涉及一种三角式隐私计算方法，建立模型方、协作方和数据方，模型方拥有目标函数，数据方拥有隐私数；模型方建立神经网络模型拟合目标函数；将连接拆分为两个连接；模型方生成协作权系数；数据方随机生成协作比例系数和保留比例系数，将协作数，发送给协作方；协作方计算获得协作中间值；数据方将协作比例系数和保留比例系数发送给模型方，获得保留权系数；数据方计算获得保留中间值，发送给协作方；协作方获得第1层神经元的输入，获得协作神经网络模型的输出，即为隐私计算的结果。本发明的实质性效果是：提高隐私计算的应用范围，提高了安全多方计算的计算效率；同时还能够使神经网络模型保密。