任务卸载位置隐私保护的强化学习算法

来源：电讯技术杂志2025年第10期北京时间：

作者：张鉴,韩言妮,安伟,陶涛,王学建,范东媛

单位：(1.中国科学院信息工程研究所，北京 100093;2.中国科学院大学 网络空间安全学院，北京 100049; 3.中国科学院网络空间安全防御重点实验室，北京 100093;4.中国移动信息技术中心，北京 100083)

摘要：针对边缘计算任务卸载中的位置隐私泄露问题，使用位置K-匿名技术为进行任务卸载的智能终端设备生成K-匿名区域，终端设备的任务通过K-匿名区域中的所有终端设备进行任务卸载，从而保护终端设备的位置隐私。提出了一种基于强化学习的位置隐私保护任务卸载（Reinforcement Learning Based Location Privacy Protection Mechanism for Task Offloading，RL-LPTO)算法，通过部署Actor和Critic网络来优化任务卸载决策，同时保护位置隐私，并在每个终端设备上设计了双部分Actor网络结构以实现任务转发和卸载决策，从而实现对智能体的训练并优化任务卸载的时延和能耗。仿真实验结果表明，RL-LPTO算法在保护位置隐私的同时将任务卸载性能的代价降低为基准算代价平均值的55%。

关键词：边缘计算；位置隐私；K-匿名；任务卸载；强化学习；

基金资助：重庆市教育委员会在渝本科高校与中国科学院战略课题(HZ2021015）