本发明提供了一种模型学习方法、装置、系统及计算机可读存储介质，涉及算法学习技术领域。该方法包括：获取客户端通过区域链发送的梯度并对所述梯度进行编号；按照编号根据梯度的方向和大小确定梯度是否为预报恶意梯度；通过客户端判断被确定为预报恶意梯度的梯度是否为恶意梯度，剔除被判断为恶意梯度的梯度并进行下一轮迭代，直至恶意梯度被剔除，得到非恶意梯度；对非恶意梯度进行平均聚合来更新客户端的模型，直至模型收敛。本发明的模型学习方法、装置、系统及计算机可读存储介质，通过客户端根据梯度的方向和大小以及投票机制判断出恶意梯度后将恶意梯度剔除，并对剩余的梯度进行平均聚合来更新客户端的模型并重复进行上述步骤直至模型收敛，达到了防止恶意梯度通过平均聚合更新模型后会对模型造成恶劣影响的技术效果。