本发明公开了一种基于区块链跨链的联邦学习方法及设备，单一区块链网络内利用本地数据进行联邦学习模型训练，并将模型参数通过隐私交易发送到模型聚合智能合约，实现单一链内不同节点模型参数的聚合，进行模型参数在各节点的同步；模型聚合智能合约通过跨链隐私交易将最新模型参数发送到跨链网络，实现不同链之间的模型同步；整个过程中单一网络节点和跨链网络节点数据不发生交换，且通过隐私交易的方式确保每个节点的模型参数不泄露，确保了数据隐私安全的同时实现了不同区块链网络的不同节点数据对联邦学习模型的训练，扩大了训练的数据集，提高了模型的准确率。采用积分机制提高各个成员贡献数据训练模型的积极性，进一步提升模型训练效果。