本申请涉及基于XGBoost的跨样本联邦学习、测试方法、系统、设备和介质，属于机器学习技术领域。该学习方法包括：各训练方服务器利用本地的样本数据联邦训练XGBoost树模型，并在各训练阶段中将本地建模参数发送至聚合方服务器，聚合方服务器在每个训练阶段中根据建模参数判断当前结点是否为叶子结点；若当前结点为非叶子结点，则根据聚合方服务器发送的最优划分对当前结点进行分裂，并将当前结点更新为分裂后的结点；若当前结点为叶子结点，则停止对当前结点的分裂；直到所有的结点均为叶子结点，生成一棵树模型；当生成预设数目的树模型时，停止训练，得到跨样本的联邦XGBoost树模型。本申请实施例确保了本地数据的独立性、安全性和隐私保护。