本发明公开了一种基于锚点聚合的联邦学习方法和系统，包括多个客户端和中心服务器，每个客户端与中心服务器建有通信通道；客户端用于依据当轮次全局锚点指导本地数据集训练当前本地模型，同时更新本地锚点后，上传新本地锚点至中心服务器，其中，本地锚点为根据本地数据对应的特征向量确定的能够代表分类类别的特征点；中心服务器用于对所有客户端上传的新本地锚点进行聚合更新，以得到与各分类类别相对应的全局锚点，并将全局锚点下发至各客户端以指导下一轮次本地训练。该方法和系统在保障模型训练精度的基础上有效地减少了联邦训练的通信量级，同时支持异构性模型的联邦学习。