基于强化学习的边缘计算隐私任务卸载方法、系统及设备

本发明涉及物联网技术领域，具体涉及基于强化学习的边缘计算隐私任务卸载方法、系统及设备，方法包括：获取各终端设备产生的计算任务信息以及任务卸载选择，任务卸载选择包括任务选择本地执行或任务选择卸载至边缘服务器，基于此计算得到各任务的本地执行成本或卸载成本；统计得到全部任务的总成本，建立初始全局优化目标；计算任务的隐私熵，将任务的隐私熵作为卸载的附加成本嵌入初始全局优化目标更新全局优化目标；采用单智能体强化学习算法寻找更新后的全局优化目标的最优策略。在大幅度降低算法复杂度、提高算法效率的同时，提高隐私保障强度以及动态场景适应性，能够适用于边缘计算中大规模节点、高动态、强隐私约束的应用场景。