为解决移动端设备低时延、低能耗等服务需求,移动边缘计算（Mobile Edge Computing,MEC）的应用趋势逐步增大。作为移动边缘计算的关键技术之一,计算任务卸载旨在将复杂型应用程序迁移到边缘服务器端运行,解决移动端存储、计算等资源及性能不足的问题,在实现数据传输实时性、计算任务低能耗性等方面体现出较高性能。但由于网络环境的开放性,计算任务卸载会对用户个人隐私及安全性造成一定的威胁。现有文献对于MEC系统卸载决策过程中进行隐私保护的研究比较有限,因此如何利用计算卸载技术既降低任务时延与能耗又能一定程度保障移动端设备的隐私问题,是当前卸载技术中亟待解决的关键问题之一。在综合研究并分析计算任务卸载和隐私保护的国内外现状后,本文针对多用户单服务器和多用户多服务器两种情况,围绕卸载过程中的高效传输、用户隐私及安全等问题,研究并提出兼顾隐私及安全的计算卸载策略,论文主要工作如下。首先,在多用户单服务器场景下,针对移动端用户在开放环境中所能接受的隐私信息泄露的最大值不同,提出一种兼顾隐私容忍度的移动边缘计算卸载策略。在考虑时延、能耗的传统卸载决策模型中引入隐私容忍度,针对服务器端计算资源有限的特点制定定价模型,同时结合移动端和边缘端的相关参数建立效益函数矩阵,用基于博弈论相关知识对建立的数学模型进行求解,在降低服务器端的部分计算与存储压力的同时,一定程度上保护移动端设备的隐私。仿真实验表明所提出的隐私保护策略在降低移动端时延与能耗的基础上,能够在一定程度上保护用户的隐私。其次,在多用户多服务器场景下,针对移动端用户卸载频率不同会导致身份被锁定的问题,提出一种基于用户卸载频率的卸载策略。该策略量化移动端用户计算任务的隐私卸载量,引入假任务机制来保护用户实际卸载数量,建立考虑时延与隐私约束的能耗数学模型,通过改进的粒子群优化算法对该模型进行最优化求解,使得不同用户在边缘服务器端的累积隐私量维持在阈值内,降低隐私泄露风险的同时,提高卸载效率。仿真实验表明,与未考虑隐私方案的卸载策略相比,在移动端用户可接受范围内,虽然系统整体能耗有一定的增大,但在保证任务传输实时性的同时,削弱了攻击者对用户身份判定的准确性,起到一定的隐私保护作用。