本发明提供了一种基于联邦学习的智能车联网流数据隐私保护方法和系统，通过在基于联邦学习的智能车联网框架中，将框架中生成的流数据采用成对相似性策略进行新旧训练样本的替换，同时采用动态数据存储策略保持本地训练数据的总大小不变；其中，成对相似性策略是将新生成的流数据中数据点相似性满足预设相似条件的数据点作为需要替换的数据点，替换到训练样本中；动态数据存储策略为利用缓冲区存储新生成的流数据以及替换的旧数据点。本发明采用成对相似性策略和动态数据存储策略，使用流数据中的样本来替换原始数据集中的相似样本并保持训练样本数量不变，通过保持数据分布不变来解决灾难性遗忘的问题，同时也保证了联邦学习训练过程的有效收敛。