本发明公开了一种移动设备联邦学习方法及系统，所述系统包括：FL服务器、中介和客户端；所述方法包括：移动设备加入联邦学习训练任务；FL服务器初始化全局模型，并收集参与者的本地数据分布；通过数据增强和重新调度的方式重新平衡联邦学习训练任务；将平衡后的联邦学习任务发送给下级客户端，客户端使用红狐算法对全局模型进行训练；将训练后的全局模型进行聚合与反馈，得到最新的全局模型；利用最新的全局模型进行联邦学习，以提高移动设备联邦学习的效率。本发明通过进行数据增强和重新调度的步骤缓解训练数据的全局不平衡问题、提高模型准确度。