面向强化学习模型隐私保护的任务执行方法、设备、介质

本发明公开了面向强化学习模型隐私保护的任务执行方法、设备、介质，包括：基于MAPPO构建任务执行场景；接收该场景中智能体决策模型的当前状态，根据当前状态计算智能体决策模型做出的策略与推荐策略间的相似度，从而更新状态；构建一评估神经网络，所述评估神经网络用于根据更新后的状态来估计隐私预算；构建一目标评估神经网络，所述目标评估神经网络与评估神经网络的网络架构相同，所述目标评估神经网络与评估神经网络协同更新训练，以阐述最大的隐私预算；目标评估神经网络基于当前状态输出最大隐私预算，根据最大隐私预算利用拉普拉斯机制为智能体的状态添加差分隐私，实现状态加密；通过状态加密的智能体输出任务执行策略，从而执行任务。