1.一种基于目的隐藏的联邦学习方法，其特征在于，包括：第一联邦机构和第二联邦机构构建联邦学习系统；第一联邦机构和第二联邦机构基于构建的联邦学习系统对各自的数据执行安全的样本对齐协议，得到对齐的数据碎片；第一联邦机构采用安全比较大小协议对对齐的数据碎片进行筛选，得到筛选后的对齐数据碎片；第一联邦机构和第二联邦机构基于筛选后的对齐数据碎片构建共享联合模型；第一联邦机构和第二联邦机构共享模型参数，完成数据的共享；

联邦机构对数据执行安全的样本对齐协议的过程包括：第一联邦机构的数据和第二联邦机构的数据采用基于秘密共享将各自的数据拆分成秘密碎片，第一联邦机构和第二联邦机构对各自秘密碎片进行随机打乱，并将打乱后的秘密碎片进行共享；通过标识符哈希映射对共享的秘密碎片进行对齐，得到对齐的数据碎片；

第一联邦机构采用安全比较大小协议对对齐的数据碎片进行筛选的过程包括：

步骤1：第一联邦机构的对齐数据碎片为d1＝(x1,y1)，第二联邦机构的对齐数据碎片为d2＝(x2,y2)；

步骤2：对第一联邦机构的对齐数据碎片和第二联邦机构的对齐数据碎片进行秘密共享，使得数据碎片满足d1+d2＝u1*u2；其中，u1表示第一联邦机构获得的满足条件的数据碎片，u2表示第二联邦机构获得的满足条件的数据碎片；

步骤3：第一联邦机构计算u1*u2的数据大小，设置数据保留条件，根据设置的数据保留条件对第一联邦机构计算d1+d2的数据进行保留，得到筛选后的对齐数据碎片。

2.根据权利要求1所述的一种基于目的隐藏的联邦学习方法，其特征在于，构建联邦学习系统包括：第一联邦机构发起数据共享请求，第二联邦机构接收到数据共享请求后对该请求进行响应，得到联邦学习系统。

3.根据权利要求1所述的一种基于目的隐藏的联邦学习方法，其特征在于，秘密共享包括加法秘密共享和乘法秘密共享。

4.根据权利要求1所述的一种基于目的隐藏的联邦学习方法，其特征在于，设置的数据保留条件包括：计算u1*u2的值，若u1*u2>0，即d1+d2>0，x1+x2‑y1‑y2>0，则x>y，则保留计算d1+d2值的对齐数据碎片；若u1*u2<0，即d1+d2<0，x1+x2‑y1‑y2<0，则x

5.根据权利要求1所述的一种基于目的隐藏的联邦学习方法，其特征在于，第一联邦机构和第二联邦机构基于筛选后的数据对齐碎片构建共享联合模型的过程包括：初始化模型参数，第一联邦机构将初始模型参数与该机构筛选后的对齐数据碎片进行计算，得到第一中间计算结果；第二联邦机构将初始模型参数与该机构筛选后的对齐数据碎片进行计算，得到第二中间计算结果；将第一中间计算结果和第二中间计算结果进行数据交换；根据交换后的中间计算结果对各自模型参数进行更新，得到共享联合模型。

6.一种基于目的隐藏的联邦学习系统，该系统用于执行权利要求1～5任意一种所述的基于目的隐藏的联邦学习方法，其特征在于，包括：系统建立模块、数据对齐模块、数据筛选模块、联合建模模块以及模型共享模块；

所述系统建立模块用于对第一联邦机构和第二联邦机构构建联邦学习系统；

所述数据对齐模块根据系统建立模块构建的联邦学习系统对各个联邦机构的数据进行匹配，得到对齐的数据碎片；

所述数据筛选模块采用安全比较大小协议对对齐的数据碎片进行筛选，得到筛选后的数据对齐碎片；

所述联合建模模块根据筛选后的数据对齐碎片共享联合模型；

所述模型共享模块用于对共享联合模型的参数进行共享，完成数据的共享。