1.一种基于区块链的分层联邦学习方法，其特征在于：该方法包括以下步骤：S1：基于区块链的分层联邦学习；

S2：用户数据Non‑IID程度估计；

S3：优化用户关联和资源分配；

S4：基于区块链侧链降低共识时延。

2.根据权利要求1所述的一种基于区块链的分层联邦学习方法，其特征在于：所述S1中，建立基于区块链的三层网络模型：

1)用户层，包括智能手机、可穿戴设备、私人计算机和智能终端；

2)边缘服务层，包括分布式边缘服务器；

3)中心云层，包括云服务器和发起任务请求的企业和机构；

边缘服务器是部署在基站，为用户提供计算力服务；

用户层由拥有本地训练数据的终端智能设备组成；

终端设备拥有算力和通信能力，通过优化算力和功率分配降低系统总时延和能耗；

云服务器拥有算力负责统筹协调分配任务；边云协同网络共同维护区块链；

云服务器发布与任务信息相关的智能合约，边缘服务器执行智能合约。

3.根据权利要求2所述的一种基于区块链的分层联邦学习方法，其特征在于：所述S2中，对于用户n，dn，l为用户数据中类别为l的样本数量，Dn为用户本地数据集的样本总量；qn(l)＝dn，l/Dn表示任务类别l的样本数量在总样本数量中的占比；数据IID时q(l)＝1/L，即该数据集拥有所有的任务类别，且样本数量均等；用户n的数据Non‑IID程度表示为：

4.根据权利要求3所述的一种基于区块链的分层联邦学习方法，其特征在于：所述S3中，最小化同集合用户Non‑IID程度、任务处理时延和任务处理能耗，对于用户n，计算时延为 上传时延为 计算能耗为 上传能耗为 优化目标为最小化网络总代价，如下所示：其中 为所有用户集合， 为边缘服务器m覆盖范围内的用户集合，xn，m表示用户n与边缘服务器m的连接关系；α1，α2，α3为权值，基于不同的应用场景的具体需求设定。

5.根据权利要求4所述的一种基于区块链的分层联邦学习方法，其特征在于：所述S4中，主链区块用于存储全局模型和与聚合全局模型有关的操作流程，侧链区块用于存储边缘模型。