本发明涉及一种基于梯度记忆的车联网联邦学习分层知识安全迁移方法，该方法包括以下步骤：步骤1：采用层次聚类算法对多个客户端进行聚类，获取多个独立同分布的集群，以实现将多个数据异质化的客户端合并为独立同分布的集群；步骤2：建立基于分层集群架构的车联网联邦学习模型；步骤3：采用基于梯度记忆的知识迁移联邦学习算法进行不同集群之间的知识迁移，以缓解分层集群架构中进行知识迁移的灾难性遗忘问题，与现有技术相比，本发明具有减轻灾难性遗忘的问题以及有效地提高模型收敛速度和模型精度等优点。