本发明涉及联邦学习技术领域，公开了一种基于区块链的半异步联邦学习方法，包括如下步骤：创建一个全局模型A，并进行初始化；客户端提取全局模型A并在本地数据上训练，生成更新后的模型参数；然后生成新的全局模型B，并将其打包到新区块中；采用NDP‑Kmeans聚类算法，进行聚类分组；分组完成后，将全局模型B分发到各个客户端组；组内客户端使用全局模型B在本地数据上进行模型更新；将最新的全局模型打包成一个区块，并将其上传至区块链网络并进行共识，循环执行直到全局模型收敛，达到预期的性能指标，或者训练过程达到预设的最大轮次。本发明的方法在保持模型更新质量的同时，大幅提升了联邦学习在设备异构环境中的总体效率。