本发明提供了一种具有隐私保护的个性化联邦学习方法、装置和介质,属于云计算、联邦学习技术领域。包括三个部分:产生梯度、客户端分组、个性化训练。客户端持有自己的隐私数据集并在整个模型的训练过程客户端的隐私数据集不会离开本地,在产生梯度为每个客户端生成对应的梯度,这些梯度之间的相似性可以反映客户端之间的相似性。客户端分组则依据客户端梯度的余弦距离来判断客户端数据之间的相似性并且对客户端进行分组。个性化训练在每个客户端分组中,通过在本地损失上添加正则项来实现进一步的个性化模型训练。除此之外,在整个训练过程中本发明考虑客户端数据的隐私安全,并通过差分隐私和秘密分享来实现安全聚合和安全