本发明公开了一种面向双不均衡的联邦学习方法和系统，客户端接收服务器发送的服务器模型参数，并载入本地模型；根据当前样本类别的样本数量占当前客户端样本总数量的比值确定当前样本类别对应的权重因子；利用权重因子计算本地模型识别当前样本类别产生的损失值；利用损失值计算关于当前样本类别的参数变化量，并基于参数变化量对服务器模型参数中关于当前样本类别的模型参数进行更新，直至当前客户端内所有样本类别相关的模型参数均完成更新，得到客户端模型参数；将客户端模型参数发送至服务器，以使服务器通过引力正则项对各个客户端发送的客户端模型参数进行聚合。本发明提供的技术方案，解决了联邦学习的双重不均衡场景模型训练较差的问题。