本发明提供了一种基于有损通信的车桩网跨平台学习的公平性与能耗优化方法和装置，通过在零信任联邦学习框架ZTFL中，对框架中的参与设备求解预先构建好的优化模型，得到当前学习轮次下被选择的设备、有损通信条件下的通信资源分配以及计算资源分配；优化模型以最小化系统能耗为目标，同时考虑长期公平约束；系统能耗包括与上传通信相关的能耗和训练模型相关的能耗，分别由所分配的通信资源和计算资源确定；长期公平约束为在长期条件下，每个设备被选平均选择的次数满足至少不小于设定期望值的条件。本发明通过综合考虑能耗、公平性与通信条件限制，为车桩网等复杂环境下跨平台的机器学习应用提供了一个既高效又公平的解决方案。