本发明公开了一种高效隐私保护的深度学习方法，包含在加法秘密共享的情况下比较数值大小、和快速隐私保护的深度学习两个部分；所述的在加法秘密共享的情况下比较数值大小包含在加法秘密共享的情况下计算秘密数值的正负性和在加法秘密共享的情况下比较两个被共享的数的大小两个步骤；相较于现在正在使用的安全多方计算和全同态加密实现隐私、安全的深度学习预测方法，本发明没有使用非对称公钥加密体系，整个计算过程在实数域上完成，有极大的效率优势。同时保护了模型提供方的模型的安全性和数据拥有者输入数据的安全性。