本发明公开了一种基于云端协同学习的隐私保护推荐方法及系统，推荐方法包括：将用户数据分为公开数据和隐私数据，中央服务器收集各用户终端设备中的公开数据并构建公开数据集，基于公开数据集训练公共模型；各用户在其终端设备中基于隐私数据训练本地私有模型，并将模型梯度发送至中央服务器，中央服务器聚合接收到的梯度，使用聚合后的梯度更新全局私有模型，并将更新结果发送至用户终端设备；迭代训练直至私有模型收敛；各用户在本地融合公开模型和私有模型以获得最终推荐模型，并基于最终推荐模型预测用户对候选集项目评分，根据评分完成推荐。本发明解决了现有的隐私保护推荐技术中推荐精度不高和用户终端设备计算负荷过大的问题。