本发明公开了一种用于最小‑最大化问题的跨设备联邦学习方法，属于联邦学习技术领域。包括：中心服务器初始化模型参数中的主变量和对偶变量，以及迭代轮数；中心服务器选择一个客户端子集，将模型参数发送至每个客户端；客户端子集中的每个客户端计算本地梯度估计量；中心服务器接收客户端返回的本地梯度估计量，计算全局梯度估计量；中心服务器选择另一个客户端子集，将模型参数和全局梯度估计量发送至每个客户端，客户端对模型参数进行K步的本地更新，并将最终的本地模型参数发送给中心服务器；中心服务器接收到客户端返回的本地模型参数后，计算新的全局模型参数，迭代计算，直至输出最终参数。