本发明提供的自适应客户端参数更新的联邦学习方法、系统及存储介质，涉及无线通信网络技术领域；该方法包括中央服务器下发全局模型至所属的客户端；客户端利用本地数据对模型进行更新；客户端在下一个全局模型训练过程前估计能量消耗和传输延迟，利用强化学习去选择的本地更新的次数；当客户端本地更新次数达到训练的本地更新最优值时，再将模型上传到中央服务器进行全局聚合；本发明能高效执行联邦学习任务，降低联邦学习学习模型所需的通信代价，并选择客户端本地更新的局部最优模型，提高联邦学习整体训练效率。