随着物联网技术的不断发展,移动终端设备的数目增长迅速,这些设备产生的数据具有海量性、实时性、异构性等特点,给传统的云计算带来巨大的数据处理压力。云计算是一种集中式计算平台,由远程服务中心为用户提供服务,这将加剧主干网络拥塞,增大传输延迟,降低服务质量。边缘计算将云计算延伸至网络边缘,距离用户更近,可以提供低延迟,实时性服务。此外,边缘计算还具有位置感知,移动支持,分布广泛等优势,这些优势可以有效弥补云计算在物联网应用中的不足。目前,边缘计算存在两个亟待解决的问题:一是在提供基于位置的服务时,如何有效地保护用户的位置隐私。二是边缘服务器资源有限,如何在满足作业延迟要求的同时,降低系统能耗。作业调度影响系统能耗和作业延迟,决定了边缘计算服务质量,进而决定用户满意度。因此,本文选择边缘计算中的安全作业调度作为研究课题。本文基于边缘计算架构,综合考虑用户位置隐私,系统能耗,作业延迟等因素,提出了基于模糊阈和STML(Scheduling to Minimize Lateness)的安全作业调度方案,旨在保护用户位置信息,降低系统能耗,降低作业延迟。具体研究内容如下:(1)改进的非链式正六边形模糊阈生成算法设计。首先,分析了一种现有的非链式正六边形模糊阈生成算法的潜在威胁。然后,结合哈希函数,提出了改进的非链式正六边形模糊阈生成算法,增加了模糊阈形状的多样性,增强了模糊阈生成的随机性,并使用边缘服务器代替传统的可信第三方(Fully Trusted Third Party,TTP)保护用户位置隐私。最后,将改进的非链式正六边形模糊阈生成算法用于边缘计算中用户位置信息的保护,用生成的模糊阈代替用户的真实位置坐标。实验结果表明,本文提出的模糊阈生成算法,相比于原模糊阈生成算法,具有更低的开销和更好的保护效果。(2)边缘计算中作业调度算法设计。首先,用排队论建立系统的数学模型,提出终端设备层、边缘服务器层、云服务器层的能耗和延迟的函数表达式。其次,提出了平衡系统能耗和作业延迟的调度策略,使用STML算法降低作业延迟,使用非线性规划降低系统能耗。最后,设计了云-边缘服务器协作调度算法,用于当设备过载时,降低系统总能耗。设计了作业卸载算法,用于当设备退出网络时,保证未完成作业的执行。实验结果表明,本文提出的作业调度算法,相比于边缘计算中常用的先来先服务调度,延迟降低了约12.5%,能耗降低了约20%。