本发明涉及智能网络模型，尤其涉及一种基于区块链的联邦学习方法和系统。一种基于区块链的联邦学习方法，包括：多个共识节点根据样本数据对联邦模型进行训练，分别得到对应的第一梯度值并发送到协调端；所述协调端将接收到的多个所述第一梯度值进行聚合处理，得到第二梯度值并分发到各个所述共识节点，以使各个所述共识节点基于所述第二梯度值对所述联邦模型进行参数更新；判定更新后的联邦模型是否满足终止条件，若是则终止训练，若否则再次进行训练。相比于传统的串行的联邦学习方法，则可以显著的节约时间，再者，各个共识节点都是平等的记录和计算，不依赖于初始节点的诚实性，可以提升训练过程中的安全性。