1.一种基于联邦学习的数据共享系统，其特征在于，包括：
数据平台：收集企业数据并整理为数据集，在联合运算过程中提供算力，对本地数据进行本地运算，根据训练定义对管辖的数据进行加密，并保存和维护训练完成的模型参数和模型文件；
联邦工作站：管理模型训练历史、多方协作记录和数据集增补修改历史；
联邦中心：发布各企业提供的数据集以及信息，接收和处理来自不同企业的联合运算请求，在联合运算过程中作为可信第三方参与运算。
2.根据权利要求1所述的基于联邦学习的数据共享系统，其特征在于，所述数据平台维护和披露数据集属性，包括统计信息和数据来源说明。
3.根据权利要求1所述的基于联邦学习的数据共享系统，其特征在于，所述联邦工作站抓取和监控多方训练过程中，企业之间互相通信、企业和联邦中心通信时发送的数据。
4.根据权利要求1所述的基于联邦学习的数据共享系统，其特征在于，所述联邦工作站对数据和模型的变更记录、训练记录，以及联合计算过程中的出口数据进行存证。
5.根据权利要求1所述的基于联邦学习的数据共享系统，其特征在于，所述联邦中心监控运算过程，提供训练监控面板。
6.一种基于联邦学习的数据共享方法，其特征在于，采用权利要求1-5中任一项所述的基于联邦学习的数据共享系统，包括如下步骤：
步骤1：企业之间通过联邦中心浏览和筛选对方披露的数据集，确定联合运算的算法后发起联合训练请求，在都接受训练请求后本地联邦工作站发起本地训练；
步骤2：联邦工作站从本地数据平台拉取训练数据进行本地计算后，根据联合训练的相关参数，采用不同的加密手段对生成的中间结果或最终结果进行加密；
步骤3：参与训练的企业进行通讯，汇总运算结果；
步骤4：对数据和训练信息进行区块链存证。
7.根据权利要求6所述的基于联邦学习的数据共享方法，其特征在于，所述训练信息包括：数据集更新信息、模型文件版本信息、训练历史和训练过程中发送出的加密数据。
8.根据权利要求6所述的基于联邦学习的数据共享方法，其特征在于，联邦中心作为可信第三方参与汇总运算，对汇总运算进行协助且不保存数据，在训练完成后，由参与各方分别持有相关参数或模型。
9.一种存储有计算机程序的计算机可读存储介质，其特征在于，所述计算机程序被处理器执行时实现权利要求6至8中任一项所述的方法的步骤。
10.一种基于联邦学习的数据共享设备，其特征在于，包括：控制器；
所述控制器包括权利要求9所述的存储有计算机程序的计算机可读存储介质，所述计算机程序被处理器执行时实现权利要求6至8中任一项所述的基于联邦学习的数据共享方法的步骤；或者，所述控制器包括权利要求1至5中任一项所述的基于联邦学习的数据共享系统。