本发明涉及机器学习领域，为一种可验证的隐私保护线性回归方法和系统，该方法包括：模型拥有者将线性回归模型相关的可验证参数公开，把线性回归模型相关的可验证参数部署在云服务器；用户对数据进行Paillier加密得到密文，将密文上传至线性回归模型所在的云服务器；用户请求云服务器对密文进行计算，云服务器通过线性回归模型对用户上传的密文进行计算预测，将计算预测结果返回给用户；利用模型拥有者提前公开的线性回归模型相关的可验证参数对计算预测结果的明文正确性进行验证。本发明可以防止云服务器恶意返回错误的结果，能够保证用户数据和模型的安全行，可以保护模型拥有者的模型信息和用户的数据信息、预测结果的隐私性。