基于差分隐私联邦学习的星地网络边缘计算任务卸载方法

本发明涉及任务卸载技术领域，具体涉及一种基于差分隐私联邦学习的星地网络边缘计算任务卸载方法，包括以下步骤：构建一个包含卫星、基站、MEC服务器和地面用户设备的卫星地面融合网络的系统模型；在考虑主动干扰、非主动干扰和窃听风险的情况下，以最小化所述系统模型的延迟和能耗，同时最大化所述系统模型的能量为目标，构建多目标优化函数；基于差分隐私的联邦学习算法和多目标优化函数训练出一个决策模型；基于决策模型对任务卸载和资源分配进行动态调整，实现时延、能耗和系统容量之间的最优平衡。本发明在确保数据隐私的同时，能够有效地进行任务卸载和资源分配，实现了系统性能的最优化。