随着物联网、互联网技术的快速发展、第五代通信（fifth-generation,5G）技术的普及、功能强大的终端设备和新的交互式移动应用程序的出现,我们正处于一场数据革命之中。云计算的范式已经无法满足人们对低时延、低功耗、高带宽的通信需求。而移动边缘计算（Mobile Edge Computing,MEC）将计算、存储以及网络控制能力转移到网络的边缘,可以减少时延、能耗,同时提高带宽,为用户提供了很好的通信体验,MEC应运而生。然而,由于移动边缘计算的相互操作性、分散性的特点,以及无线传播具有广播性的特点,使得边缘服务器更容易被恶意窃听者窃听。无处不在的无线连接伴随着安全威胁,而隐私问题向来是人们重点关注的问题之一,那么如何使终端用户在计算和通信资源受限的情况下,实现安全通信是一个值得重点考虑及研究的问题。近年来关于移动边缘计算的安全问题得到了一定的研究,但尚未得到很好的解决,如,保密卸载速率作为衡量系统保密性能的一个重要指标之一,以保密卸载速率为优化目标的研究尚未涉及。本文基于正交频分多址（Orthogonal Frequency Division Multiple Access,OFDMA）的多用户、多MEC、有恶意窃听者存在的MEC安全网络进行研究,具体来说,用户采用部分卸载策略,将计算任务划分为多个部分。其中一个在本地执行,其余部分通过利用物理层安全来对抗窃听,被安全地卸载到集成基站中的多个MEC服务器上。在通信和计算资源的约束下,我们共同优化了功率分配、任务分配、子载波分配和计算资源,以最大限度地提高用户的保密卸载率。由于所建模型具有耦合性,为了解耦合我们将原优化问题拆分为五个子问题:卸载比优化、通信资源分配、MEC服务器端计算资源优化、用户端计算资源优化、辅助变量更新。并提出一种联合优化算法依次求解这些问题,具体来说,利用CVX求解工具包求解了卸载比、利用拉格朗日对偶算法和KKT条件求解通信资源分配、MEC和用户端计算资源优化、辅助变量更新这四个问题,推出了传输功率,MEC计算资源、辅助变量的闭式解。并结合通用弦截法对用户计算资源分配进行求解。在求解五个子问题的过程中,我们同时利用块坐标下降算法对拉格朗日对偶乘子进行更新。最后,数值结果表明,我们提出的方案优于现有的方案。