本发明公开了基于模型剪枝和量化的联邦学习模型轻量化方法及系统，包括各个客户端初始化并训练本地模型；采用全局非结构化剪枝，不考虑权重之间的关系，基于权重的L1范数进行所述本地模型的参数剪枝；在所述本地模型参数剪枝结束后，对所述本地模型的参数进行矢量量化处理；各个客户端将量化后的模型参数上传至服务器；服务器接收得到的模型参数并进行更新。本发明实施例提供的基于模型剪枝和量化的联邦学习模型轻量化方法及系统，旨在解决联邦学习中模型轻量化的问题，为保护隐私和数据安全的同时，提高了联邦学习的效率和可行性。