本发明公开了一种面向数据非独立同分布场景的联邦学习方法和系统，包括多个客户端和中心服务器；中心服务器用于将目标数据集以非独立分布方式划分成多个子数据集使得每个子数据集包含所有种类数据，并分配子数据集到客户端；客户端用于基于接收的子数据集，依据当前本地锚点指导子数据集训练当前本地模型，并更新本地锚点和本地模型参数，依据约定的通信方式上传模型数据至中心服务器；中心服务器还用于根据接收的模型数据进行聚合得到聚合数据，依据约定的通信方式下传聚合数据至客户端以作为下一轮联邦学习的基础，该方法在保障用户数据安全的基础上，提升特定场景下联邦学习系统的实用性，同时解决联邦学习系统的通信效率、统计异构问题。