本申请公开了一种基于可信执行环境的跨域联邦学习方法及系统，属于机器学习技术领域。所述方法包括：任务开发方将在开发环境中生成的联邦学习任务发送给平台控制器；平台控制器将联邦学习任务发送给参与方，将根据联邦学习任务生成的配置信息发送给参数聚合集群；参与方根据联邦学习任务进行模型训练，将每一轮训练的中间参数发送给参数聚合集群；参数聚合集群根据配置信息进行集群配置和底层网络配置，根据集群配置和底层网络配置在可信执行环境中聚合中间参数，将聚合后的中间参数发送给参与方继续训练；对最后一轮训练的中间参数进行聚合后，参数聚合集群将该中间参数作为模型参数发送给任务开发方。本申请能够提高参数精度和参数聚合效率。