本发明提供了一种基于区块链的抗拜占庭攻击的隐私联邦学习方法及系统，包括激励步骤：由工作节点向竞价节点出价，竞价节点根据工作节点的信誉值选取获胜工作节点，并将获胜工作节点随机划分为训练节点和验证节点。训练步骤：训练节点向区块链请求全局模型并使用本地隐私数据集进行模型训练，并为损失函数的梯度添加高斯噪声得到局部模型发送给验证节点，验证节点计算局部模型在本地数据集上的准确率作为模型评分，然后根据评分结果进行模型聚合，最后将评分结果和聚合得到的全局模型通过拜占庭共识机制添加到区块链上。本发明克服了中心化联邦学习系统的弊端，设计训练过程透明、可追溯的去中心化联邦学习系统框架，兼顾模型安全、效率和性能。