随着计算密集型智能应用和5G时代到来,物联网边缘快速增长的数据将有70%在网络边缘端处理。传统云计算技术已经不能满足用户对低能耗、低服务时延、本地化和高带宽的特征。为了在网络边缘能及时处理大量数据,边缘计算范例在近年来迅速发展,服务器就近部署在数据源,将计算能力扩展到网络边缘以便更接近终端用户,极大地降低了网络传输延迟,提升终端用户的网络服务体验。面对任务需求多样性和终端设备计算能力有限的矛盾,计算卸载协作技术可以利用周边闲置设备节点之间的水平协作,以及终端设备节点和边缘服务器之间的垂直协作,平衡计算负载,进一步获得低延迟,提高资源利用率。边缘计算环境中任务计算卸载技术方案大多是以最小化延迟或能耗为目标,没有考虑到提供资源节点的服务可靠性。当网络服务环境中恶意节点攻击行为增加时,会破坏网络环境的稳定性,导致网络服务效率降低。同时在计算卸载过程中,传统的优化算法模型固化,已经无法满足边缘计算环境中计算的需求。面向边缘网络计算卸载中仍然存在若干挑战难题:如信任机制中恶意节点的内部攻击问题;用户偏好和任务需求问题;任务卸载优化问题等。本文主要围绕面向边缘计算环境的可信资源分配与任务卸载的相关问题,分别从边缘计算网络架构、信任评估管理技术、任务计算卸载技术和深度强化学习技术的行文路线展开研究,对系统的计算效率、时延和能耗进行优化。本文所做的主要工作以及贡献点如下:（1）针对边缘计算环境下信任机制中恶意节点的内部攻击问题,提出了一种基于时间衰减因子的多源信任评估机制。在边缘计算网络环境中,涉及到的大量终端设备和边缘服务器参与提供服务计算与数据运输等因素使得网络服务环境容易遭受内部攻击,导致网络服务效率低下。为了解决恶意节点攻击问题,引入节点交互行为特征的信任融合评估机制。首先,在开放边缘计算环境中建立边缘节点之间的信任关系,提出一种基于时间衰减的多源信任融合算法,将基于时间衰减因子的直接信任、与评估节点有交互的直接推荐信任以及与评估节点无交互基于Jaccard相似度的间接推荐信任进行聚合,计算出目标节点的全局信任度。然后,引入时间影响因子,刻画信任度的合理性,使得准确性明显提高以保持信任的新鲜度。同时设置奖惩因子,激励节点良性交互,动态地更新信任值能有效防止摇摆攻击。最后,仿真实验结果表明,与现有传统的信任模型相比,该算法在计算效率和交互成功率上分别提升了 29.25%和12%。（2）针对边缘计算环境中用户偏好和任务需求问题,提出了一种基于多反馈信任机制的资源分配策略。面对边缘计算环境中多样化的任务和海量、动态、异构的资源,如何获取可靠和快速响应的服务,并将应用任务分配到满足任务需求和用户偏好的资源节点上执行是一个挑战。物联网边缘计算环境也面临着不同类型的严重攻击,例如,坏话攻击、虚假攻击、共谋攻击等,因此,为用户提供可靠的服务环境,边缘节点之间的信任评估是必要的。然而,现有的信任计算方案在动态环境下响应周期长,恶意检测率低。为了解决这些问题,首先,建立可靠的和高效的基于多反馈信任机制的资源分配网络服务架构,有效地提高了信任计算和任务执行的安全性能和运行效率。然后,根据代理（Broker）对资源节点的动态监测,提出了基于时间衰减和交互频率的多反馈信任聚合模型,以提供可信服务的运行环境。接下来,设计了基于资源属性的TWK-means（Trust-Weight K-means）聚类算法,快速准确地聚类出任务所需的资源节点以此来提高服务的可靠性和高效性。最后,建立了一个基于TWK-means聚类算法的任务计算卸载模型,以提升网络系统服务效率。实验结果显示,所提出的TWK-means算法在聚类效率上提升了 20%,能快速得到满足任务需求的设备。同时在最终卸载目标上,基于TWK-means聚类任务卸载模型在整体的时延和能耗损失降低13%。（3）针对边缘计算环境任务卸载优化问题,提出了一种基于深度强化学习的信任感知智能卸载策略。边缘计算范式通过计算卸载技术解决了边缘终端设备对计算密集型和延迟敏感型任务的计算能力的限制。然而,现有的很多工作都集中在优化策略上,以减少服务延迟和能耗为目标,大多数工作都忽略了服务的可靠性,这使得节点容易受到攻击。首先,本文提出了一种边缘计算环境下的信任感知智能卸载体系结构。该架构实现了设备与服务器之间的垂直协作以及设备和设备之间的水平协作,解决了服务可靠性情况下异构设备有限的计算力与任务需求多样性之间的矛盾,实现了网络服务系统的可拓展性。然后,设计了一个基于时序差分的多反馈信任融合模型,该模型可以克服手动加权的局限性,有效抵抗网络环境中节点的恶意攻击。最后,针对网络的动态性、随机性和复杂性,将任务卸载计算问题建模成马尔可夫决策过程,设计了一种基于深度强化学习的信任感知智能卸载算法,实现了任务的灵活卸载。实验结果表明,对比现有的方案,所提的基于时序差分的多反馈信任模型在系统的响应上提升了 2-4倍,恶意检测率方面提升了 60%。所提出的信任感知卸载算法,相较于主流的卸载策略在时延和能耗损失上降低了 6%,既保障了系统安全运行也提高了服务效率。