技术特征：
1.一种联邦建模系统，其特征在于，所述联邦建模系统包括多个建模装置和特征处理装置，且部署于标签方和数据方，其中，特征处理装置，用于获取所述标签方的第一样本特征和标签值，对所述第一样本特征进行迭代处理，得到中间特征向量；所述建模装置包括：向量接收模块，用于接收所述数据方的加密特征向量，其中，所述加密特征向量由所述数据方的建模装置基于所述数据方的第一公钥加密数据对迭代处理后的第二样本特征进行加密得到；数据处理模块，用于基于所述中间特征向量、所述加密特征向量和所述标签值，计算并加密所述第一样本特征对应的多个局部数据；数据解密模块，用于在所述数据方对与所述第一公钥加密数据相关的局部数据进行解密后，接收并解密所述数据方解密后的所述局部数据以获取对应的目标解密数据，基于所述目标解密数据对待训练模型进行训练，以得到目标模型。2.根据权利要求1所述的联邦建模系统，其特征在于，所述第一样本特征对应的多个局部数据包括所述数据处理模块计算得到的损失函数、梯度以及联合计算梯度的中间参数。3.根据权利要求1所述的联邦建模系统，其特征在于，所述特征处理装置包括：特征迭代模块，用于基于一预设神经网络对所述第一样本特征进行迭代处理，得到中间特征向量。4.根据权利要求1至3任一项所述的联邦建模系统，其特征在于，所述数据处理模块包括：公钥获取单元，用于在接收所述数据方的加密特征向量之前，获取所述第一公钥加密数据；数据确定单元，用于基于所述第一公钥加密数据、所述中间特征向量、所述加密特征向量和所述标签值，计算所述第一样本特征对应的多个局部数据。5.根据权利要求2所述的联邦建模系统，其特征在于，所述数据处理模块包括：公钥确定单元，用于确定所述标签方的第二公钥加密数据；数据加密单元，用于基于所述第二公钥加密数据对所述中间参数进行加密；分别对所述损失函数和所述梯度添加一掩码数据进行加密。6.根据权利要求5所述的联邦建模系统，其特征在于，所述数据解密模块包括：数据接收单元，用于在所述数据方对与所述第一公钥加密数据相关的局部数据进行解密后，接收所述数据方解密后的所述局部数据作为中间解密数据；数据解密单元，用于对与所述第二公钥加密数据相关的中间解密数据进行解密，并删除所述中间解密数据中的掩码数据以获取对应的目标解密数据；数据建模单元，用于基于所述目标解密数据对待训练模型的参数进行迭代更新，以得到目标模型。7.根据权利要求5所述的联邦建模系统，其特征在于，所述数据解密模块还包括：参数确定单元，用于确定解密后的所述损失函数；函数判断单元，用于在解密后的所述损失函数小于损失阈值的情况下，结束针对所述待训练模型的参数的迭代更新处理，以得到目标模型；
若在所述损失函数大于损失阈值的情况下，对所述待训练模型的参数进行迭代更新。8.一种联邦建模方法，其特征在于，应用于权利要求1至7中任意一项所述的联邦建模系统，所述联邦建模方法包括：利用特征处理装置获取标签方的第一样本特征和标签值，对所述第一样本特征进行迭代处理，得到中间特征向量；通过建模装置执行以下步骤：利用向量接收模块接收数据方发送的加密特征向量，其中，所述加密特征向量是由所述数据方的建模装置基于所述数据方的第一公钥加密数据对迭代处理后的第二样本特征进行加密得到；采用数据处理模块基于所述中间特征向量、所述加密特征向量和所述标签值，计算并加密所述第一样本特征对应的多个局部数据；利用数据解密模块在所述数据方对与所述第一公钥加密数据相关的局部数据进行解密后，接收并解密所述数据方解密后的所述局部数据以获取对应的目标解密数据，基于所述目标解密数据对待训练模型进行训练，以得到目标模型。9.一种联邦模型预测方法，其特征在于，包括：获取标签方的第一样本特征和数据方的第二样本特征；将所述第一样本特征和所述第二样本特征输入训练后的目标模型，确定目标预测标签值；其中，所述目标模型由如权利要求1至7中任意一项所述的联邦建模系统或权利要求8所述的联邦建模方法训练得到。10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求8所述的联邦建模方法或权利要求9所述的联邦模型预测方法。11.一种电子设备，其特征在于，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如权利要求8所述的联邦建模方法或权利要求9所述的联邦模型预测方法。