本发明提供一种基于准确率的联邦学习模型安全分享方法。该方法由本地模型更新并计算模型准确率、建立共识小组以及进行共识三个步骤构成。局部模型的更新和模型精度的计算步骤，从本地服务器i中使用本地数据训练得到本地模型Mi，并利用该模型和相关测试数据进行测试，得到识别准确率acci；在建立共识小组步骤中，将所有节点分为共识小组节点和候选节点。在进行共识步骤中，基于模型准确率，计算节点的投票权。共识小组中投票权最高的节点成为主节点，获得记账权。最后在吞吐量、时延、容错性、带宽等各方面的性能均优于传统PBFT共识算法，该方法可以优化共识过程，减少共识时间，提高系统性能。