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...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%。展开更多
文摘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%。
