本公开提供了一种联邦学习方法、装置、服务器、电子设备及存储介质，涉及人工智能技术领域，尤其涉及深度学习、联邦学习技术领域。具体实现方案为：通过服务器中设置的元模型向电子设备发送请求更新全局模型时的时隙，从而使电子设备在本地训练过程中根据该时隙获取更新的全局模型并与本地训练得到的局部模型进行聚合，从而使电子设备本地训练最终得到的局部模型与服务器中的全局模型版本更加接近，提高服务器中全局模型的收敛速度。