1.一种联邦模型训练方法，其特征在于，包括：获取参与方清单和初始客户画像联邦模型，并按照预设筛选方案，从所述参与方清单中筛选出合格参与方；

向各所述合格参与方发送所述初始客户画像联邦模型；

接收各所述合格参与方返回的模型参数；所述模型参数为所述合格参与方对接收的所述初始客户画像联邦模型进行本地训练完后获得；

运用MPI并行方法，通过恶意参数检测模型对各所述模型参数进行异常特征提取，根据提取的异常特征输出各所述模型参数的识别结果；

根据输出的识别结果，对各所述模型参数进行恶意参数过滤处理，得到最终正常参数；

根据所述最终正常参数，对所述初始客户画像联邦模型进行更新及联邦学习，得到全局客户画像联邦模型；

所述运用MPI并行方法，通过恶意参数检测模型对各所述模型参数进行异常特征提取，根据提取的异常特征输出各所述模型参数的识别结果，包括：运用所述MPI并行方法和决策树方法，通过所述恶意参数检测模型并行对各个所述模型参数进行所述异常特征提取，确定出所有所述模型参数中的可疑参数和第一正常参数；

对所有所述可疑参数进行二次恶意识别，识别出所有所述可疑参数中的恶意参数和第二正常参数；

根据所有所述第一正常参数、所有所述第二正常参数和所有所述恶意参数，确定出各所述模型参数的识别结果。

2.如权利要求1所述的联邦模型训练方法，其特征在于，所述根据所述最终正常参数，对所述初始客户画像联邦模型进行训练，得到全局客户画像联邦模型之后，包括：运用MPI发送方法，向各所述合格参与方发送所述全局客户画像联邦模型中的全局模型参数；

接收各所述合格参与方返回的更新模型参数；所述更新模型参数为所述合格参与方在接收完所述全局模型参数并更新初始客户画像联邦模型后训练获得；

运用所述MPI并行方法，通过所述恶意参数检测模型对各所述更新模型参数进行异常特征提取，根据提取的异常特征输出各所述更新模型参数的更新识别结果；

根据输出的更新识别结果，对各所述模型参数进行恶意参数过滤处理，得到待训练更新参数；

根据所述待训练更新参数，对所述全局客户画像联邦模型进行更新及联邦学习，得到更新后的全局客户画像联邦模型。

3.如权利要求1所述的联邦模型训练方法，其特征在于，所述运用所述MPI并行方法和决策树方法，通过所述恶意参数检测模型并行对各个所述模型参数进行所述异常特征提取，确定出所有所述模型参数中的可疑参数和第一正常参数，包括：通过所述MPI并行方法，对各所述模型参数分配进程标识，得到各所述模型参数的进程标识；

将各所述模型参数同步多线程输入与其进程标识对应的所述恶意参数检测模型中；

运用二分决策树方法，对各所述模型参数机进行异常特征的评估分类，预测出个各所述模型参数的预测结果；

根据所有所述预测结果，确定出所有所述模型参数中的可疑参数和第一正常参数。

4.如权利要求1所述的联邦模型训练方法，其特征在于，所述对所有所述可疑参数进行二次恶意识别，识别出所有所述可疑参数中的恶意参数和第二正常参数，包括：将所有所述可疑参数输入恶意参数识别模型，通过恶意参数识别模型对所有所述可疑参数进行恶意关联特征识别，得到各所述可疑参数的第一识别结果；

对所有所述可疑参数进行黑名单用户识别，得到各所述可疑参数的第二识别结果；

根据各所述可疑参数的所述第一识别结果和所述第二识别结果，确定出所有所述可疑参数中的所述恶意参数和所述第二正常参数。

5.一种客户画像方法，其特征在于，包括：接收客户的画像请求，获取所述画像请求中的客户信息；

将所述客户信息输入通过如权利要求1至4任一项所述联邦模型训练方法获得的全局客户画像联邦模型；

通过所述全局客户画像联邦模型对所述客户信息进行客户画像处理，得到所述客户信息的客户画像结果；所述客户画像结果表征了所述客户的客户类别。

6.一种联邦模型训练装置，其特征在于，包括：获取模块，用于获取参与方清单和初始客户画像联邦模型，并按照预设筛选方案，从所述参与方清单中筛选出合格参与方；

发送模块，用于向各所述合格参与方发送所述初始客户画像联邦模型；

接收模块，用于接收各所述合格参与方返回的模型参数；所述模型参数为所述合格参与方对接收的所述初始客户画像联邦模型进行本地训练完后获得；

提取模块，用于运用MPI并行方法，通过恶意参数检测模型对各所述模型参数进行异常特征提取，根据提取的异常特征输出各所述模型参数的识别结果；所述运用MPI并行方法，通过恶意参数检测模型对各所述模型参数进行异常特征提取，根据提取的异常特征输出各所述模型参数的识别结果，包括：运用所述MPI并行方法和决策树方法，通过所述恶意参数检测模型并行对各个所述模型参数进行所述异常特征提取，确定出所有所述模型参数中的可疑参数和第一正常参数；

对所有所述可疑参数进行二次恶意识别，识别出所有所述可疑参数中的恶意参数和第二正常参数；

根据所有所述第一正常参数、所有所述第二正常参数和所有所述恶意参数，确定出各所述模型参数的识别结果；

过滤模块，用于根据输出的识别结果，对各所述模型参数进行恶意参数过滤处理，得到最终正常参数；

训练模块，用于根据所述最终正常参数，对所述初始客户画像联邦模型进行更新及联邦学习，得到全局客户画像联邦模型。

7.一种客户画像装置，其特征在于，包括：请求模块，用于接收客户的画像请求，获取所述画像请求中的客户信息；

输入模块，用于将所述客户信息输入通过如权利要求1至4任一项所述联邦模型训练方法获得的全局客户画像联邦模型；

识别模块，用于通过所述全局客户画像联邦模型对所述客户信息进行客户画像处理，得到所述客户信息的客户画像结果；所述客户画像结果表征了所述客户的客户类别。

8.一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至

4任一项所述联邦模型训练方法，或者所述处理器执行所述计算机程序时实现如权利要求5所述客户画像方法。

9.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至4任一项所述联邦模型训练方法，或者所述处理器执行所述计算机程序时实现如权利要求5所述客户画像方法。