本发明提供一种多任务学习和隐私保护的设备健康状态评估方法及系统，该方法包括：对第一客户端内的各样本设备的历史运行参数进行奇异值分解，得到时域特征和频域特征后进行特征重构以及突变检验，得到各样本设备的多任务标签；基于源域下的第一样本设备的多任务标签、时域特征和频域特征，构建源域训练集，基于目标域下的第二样本设备的多任务标签、时域特征和频域特征，构建目标域训练集；基于第一客户端内的源域训练集和目标域训练集，以及各第二客户端内的源域训练集和目标域训练集，进行对抗领域自适应的联邦学习训练，得到目标域多任务评估模型进行设备健康状态评估，实现在保护数据隐私的同时，提高设备的健康状态评估的精度。