本发明公开了一种联邦学习的工业大数据隐私保护系统及方法，系统包括设备选择层、终端层、聚类层、边缘层以及云层。方法包括：根据筛选的终端设备采集工业数据；对工业数据进行聚类处理；将处理后的工业数据发送至边缘服务器，建立本地模型；云服务器根据接收的本地模型进行全局模型聚合和更新，并将全局模型下放至设备选择层筛选出的终端设备，实现数据共享。通过设备选择层对终端设备进行选择，并对工业数据聚类，满足了联邦学习数据样本同质性的要求，提高了联邦学习的聚合效率；通过边缘层与云层之间的建模、更新以及下放，提高了海量数据传输的速率，实现数据共享，并且保证数据的安全性。