本公开提供了一种基于表征学习的个性化联邦少样本学习系统及方法,所述方案包括服务器端和若干客户端;其中:所述客户端,其被配置为:接收从来自服务器端的一组深度模型,并根据模型在本地数据集的表现信息进行模型聚合;每个客户端利用其本地的数据对聚合后的模型进行优化,并将优化后的聚合模型和聚合权重返回给服务器端;服务器端,其被配置为:接收到来自所有客户端的聚合模型和聚合权重,根据聚合权重更新聚合模型的历史表现信息,并根据更新后的历史表现信息,从来自若干客户端的聚合模型中选择预设数量的聚合模型发送到相应客户端进行下一轮次优化;联邦学习过程迭代结束后,每个客户端基于获得的模型对本地数据进行处理,得到处理结果。