一种在多接入边缘计算中具有隐私保护的计算卸载方法

本发明公开了一种在多接入边缘计算中具有隐私保护的计算卸载方法，属于多接入边缘计算领域，该方法包括获取包括N个用户设备和M个边缘服务器的多接入边缘计算环境，并根据多接入边缘计算环境，获取计算卸载过程中的延迟、能耗、任务丢弃量和隐私熵；权衡各用户设备的卸载决策，权衡隐私熵、延迟、能耗和任务丢弃量，搭建计算卸载过程中的QoS服务模型；采用双延迟深度确定性策略梯度算法求解计算卸载过程中的QoS服务模型，获得最优计算卸载策略；基于最优计算卸载策略进行计算卸载。本发明解决了现有方法忽略了样本的重要性差异，导致学习率低下，训练不稳定的问题。