本发明公开一种基于隐私保护的多社交平台用户推荐方法和系统,所述方法包括:各参与方客户端本地整合初始数据,并获取由服务端初始化后的训练模型和密钥;各参与方客户端基于自身设定的目标精度,对训练模型进行训练,并将训练参数加密后发送至服务端;各参与方客户端基于所有参与方客户端训练参数的聚合结果对训练模型进行更新,并计算更新后的训练模型是否达到自身设定的目标精度,未达到,则重复执行上一步,达到,则执行下一步;各参与方客户端利用训练后的模型更新自身平台内所有社交用户的标签向量,并对标签向量相似的社交用户进行相互推荐。本发明能够有效提高各平台的用户推荐准确率,并保护了各个平台的用户数据隐私。