原创力文档- 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
- 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
本发明涉及一种多用户MEC系统中基于深度强化学习的保护用户隐私的任务卸载机制，包括：敌手攻击模块，用于模拟敌手(即不可信的MEC服务器)获取用户的使用模式隐私和位置隐私的行为；系统卸载决策模块，用于模拟系统中每个设备在每个时隙中对任务的五种卸载决策；基于深度强化学习的保护用户隐私的任务卸载模块，在已知和多组对的背景下求解并且将这其中对应的最优解保存到训练集中以便算法进行进一步学习，并且使用训练集来训练算法，使其更快学到在不同的中输出最优的对使获得最大值。本发明可以揭露多用户MEC系统中隐私泄露问
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 116866994 A
(43)申请公布日 2023.10.10
(21)申请号 202211546410.7
(22)申请日 2022.12.02
(71)申请人 宁波财经学院
地址 315175
文档评论（0）