本申请实施例提供基于半监督联邦学习的数据泄露预警方法、装置及系统。在本实施例中，通过对采集的物联网终端的第一目标数据进行无监督聚类后的数据类别、以及该数据类别下的代表数据作为模型训练数据训练出敏感数据识别模型，不需要各个客户端自己训练模型得到的模型参数，可以避免攻击者恶意放置的设备训练的错误模型参数的影响，提高模型训练精度，进而提高数据泄露预测准确度；同时不同数据采集分析客户端采集的物联网终端的第一目标数据不同，因此利用聚类后的各物联网终端的第一目标数据训练出的敏感数据识别模型可以适配大规模异构物联网终端的多样化数据类型泄露检测。