本发明公开了一种联邦学习毒化攻击检测方法，本发明在客户端使用非独立同分布数据前提下，能够对联邦学习系统中的恶意参与方进行检测。通过形成各参与方模型的历史距离函数曲线，观察各曲线变化情况，不聚合单次异常模型，剔除长期异常的恶意参与方，从而保证联邦学习最终全局模型的准确性。本发明能够在服务器无法确定各参与方真实身份的情况下，通过长期检测客户端模型变化，从非独立同分布的本地模型中检测异常，从而保证全局模型性能，实现安全、可靠的联邦学习。