本发明提供了一种面向分层联邦边缘学习的模型训练节点选择方法，云端服务器向信誉区块链提出训练所需的信誉阈值等条件，信誉区块链选择符合条件的边缘服务器及终端设备并将选择结果传输到云端服务器；根据选择结果进行模型训练，云端服务器及边缘服务器分别对边缘模型及局部模型进行质量评估并剔除不可靠边缘服务器和终端设备；对历史信誉及通过模型训练获得的信誉加权计算得到最新信誉，并更新到联盟区块链。本方法通过引入信誉、时延及能耗三种指标以协同增强模型训练的可靠性，通过设计一种历史信誉与当前信誉加权更新的计算方法以提高分层联邦边缘学习系统对终端设备及边缘服务器信誉评估的准确性。