本申请涉及联邦学习技术领域，实施例提供一种基于边际联邦学习的云边端协同接入方法及装置，其中方法包括：采用样本池中的原始数据样本对接收到的聚合模型进行训练并聚合，得到更新的聚合模型；对所述样本池中的数据样本进行更新，并采用所述样本池中的更新数据样本对更新的聚合模型进行再次训练，以及根据所述更新数据样本的特征信息确定再次训练后的更新的聚合模型在模型聚合过程中的权重；根据所述权重将再次训练后的更新的聚合模型进行模型聚合，以对聚合模型进行再次更新；返回执行所述对所述样本池中的数据样本进行更新的步骤，直至达到预设结束条件。本申请提供的实施方式可以持续优化联合模型，并防止模型倾斜。