本发明提供一种基于区块链的异步联邦学习方法及系统，在联邦学习的基础上引入区块链网络，选取声誉较高的边缘设备节点作为议会节点用于模型的聚合和对所有节点的声誉更新，以实现联邦学习过程的去中心化；将全局模型发送至边缘设备，利用边缘设备产生的丰富数据进行训练并返回对全局模型的更新参数，并基于议会节点分别进行模型聚合、声誉更新并进行共识认证，最终在共识成功的条件下实现完整的联邦学习。所述方法在模型训练过程中，边缘设备的数据不离开本地，降低数据泄漏风险，保护用户隐私；基于区块链网络和共识算法去中心化，避免单点故障，提高系统鲁棒性和拓展性。