本发明属于移动通信技术领域，提供了一种超密集网络下基于联邦学习的分簇协作缓存方法。首先，网络中的各个小基站收集所需要的信息，根据信息计算信息熵和缓存相似性，之后生成相邻基站节点之间边的权重，再将小基站划分为簇。然后，每个小基站根据收到的兴趣包进行数据统计并发送给簇头，簇头作为联邦学习中的工作节点负责整合数据构成时间序列并进行本地分类器的训练，宏基站负责聚合收到所有簇头发送的本地分类器来构造改进的全局分类器。最后，最终的全局分类器被广播给所有小基站，小基站在收到兴趣包后，使用分类器对内容进行分类，然后小基站在收到数据包后再根据缓存替换策略进行缓存替换。