本发明公开了一种基于标签量信息的联邦学习节点选择方法及系统，该方法包括：根据本地数据生成标签向量并通过加密矩阵对标签向量进行加密，得到加密后标签向量；根据计算资源估计单轮训练耗时，得到训练耗时估计；上传加密后标签向量与训练耗时估计并进行数据整合，得到整合后数据；基于整合后数据，在预设的最大通信耗时限制下，搜索标签组合分布最优的节点序列作为最终的被选客户节点序列。该系统包括：计算节点、加密中心和计算服务器。通过使用本发明，保证联邦学习的通信效率的同时，提高新节点选择方法的泛用性。本发明作为一种基于标签量信息的联邦学习节点选择方法及系统，可广泛应用于人工智能机器学习领域。