基于惩罚机制的安全强化学习任务卸载方法和装置

本公开涉及一种基于惩罚机制的安全强化学习任务卸载方法和装置，所述方法包括：接收用户端的计算服务请求；获取用户端当前的状态信息；将状态信息输入到安全强化学习模型，得到针对计算服务请求的决策结果，其中，安全强化学习模型是通过最大化包含障碍函数的目标函数训练得到的，障碍函数用于在安全强化学习模型的训练过程中根据第一约束条件对目标函数值进行惩罚性调整，决策结果为确定将计算服务请求对应的任务卸载到多个服务器中的哪个服务器中进行处理，多个服务器包括云服务器和至少一个边缘服务器；基于决策结果对计算服务请求对应的任务进行卸载。障碍函数能够自动触发预先惩罚机制，有效避免违规行为的发生。