针对低信噪比下协作频谱感知(CSS)的检测概率低且易受表现较差节点干扰的问题，提出一种基于信任度累积的联邦协作频谱感知方法(FL-CSS)。该方法分为离线训练和在线检测两部分：在离线训练部分设计了模型融合和更新策略，保证了次用户(SU)本地模型的性能，并避免全局模型受到表现较差SU的干扰；在线检测部分设计了数据融合策略，提出信任度累积算法为SU分配权重，综合考虑了SU在模型融合中的权重、在上一次决策中的表现以及决策的历史因素的影响。FL-CSS针对CSS中SU所处环境条件不同和数据融合时易受干扰的情况，保证了检测概率，提高了融合数据决策的准确率。仿真结果表明，该方法提高了低信噪比下的检测概率，并且能有效应对干扰和攻击行为，优于当前已有的协作频谱感知方案。