本发明属于云网融合领域，具体涉及MCU联邦学习框架的安全性增强方法、系统、设备和介质，本发明首先根据面向云网融合MCU联邦学习框架之间数据的权重参数，获取MCU每一轮的学习率，接着确定主任务和后门任务的权重规则，最后根据MCU每一轮的学习率以及主任务和后门任务中每个参数的学习率，调整权重规则，从而使面向云网融合MCU联邦学习框架的安全性增强。本发明通过主任务和后门任务的模型权重在一些维度上不同为前提，基于调整每个参数学习率的规则来引导模型正确训练，对增强面向云网融合的MCU联邦学习框架的安全性有一定的参考意义，解决了MCU联邦学习框架中存在后门攻击影响框架安全性的问题。