移动边缘计算通过在云中心与终端设备之间建立边缘服务器完成各种任务数据的计算,为用户提供了更快速的服务响应。但由于移动边缘计算在应用层上的相对开放性,任务在卸载处理时可能被第三方攻击者监视并获取隐私信息。此外,用户设备电池在容量方面也有诸多限制,对能耗异常敏感。因此,综合考虑移动边缘计算中用户设备的隐私与能耗,设计有效的任务卸载决策以提高服务质量和用户体验,是一个重要的课题。本文对移动边缘计算中任务卸载场景的隐私保护与能耗优化两个方面进行了研究,取得的具体研究成果主要包括:1.针对当前移动边缘计算中,由于任务卸载决策导致用户设备隐私容易泄露的问题,本文提出了基于任务相似性的隐私保护分组策略。首先根据用户设备的任务相似性和边缘服务器个数进行聚类分组,以增加卸载到同一边缘服务器的设备任务信息相似度。然后再将分组后的设备任务与边缘服务器进行匹配,以确定当前任务组将要卸载到哪一个服务器。实验结果表明,本文的策略相较于主流分组策略,其隐私水平提高了约4.4%。2.针对任务卸载中的能耗优化问题,本文提出了面向能耗优化的任务卸载策略。首先,在基于任务相似性的分组匹配结果基础上,结合相关系统参数构建了有限计算资源和时延约束下的能耗模型。接着在飞蛾火焰算法中引入卸载优先级映射机制,并使服务器在可容忍时延范围内自适应地分配计算资源。最后应用该算法求解任务卸载决策。通过实验对比与分析,该策略相比其他优化策略在可容忍时延内的能耗优化了12%～12.7%。