隐私与收敛兼得
面向车载边缘计算的深度强化学习算法，在训练中按隐私预算注入噪声，在保障任务卸载隐私的同时实现比现有算法更优的收敛性能。
Jun, Li · 张书钦 · Geng, Jinbu · Liu, Jizhao · Wu, Zenan · 朱红松
IEEE Internet of Things Journal 2025
通过差分隐私机制在训练中注入噪声，保护任务数据机密性。
在Attari实验平台上，所提算法的收敛性能优于现有算法。
基于Veins的VEC仿真实验表明，该算法能在保护隐私的同时实现实用的任务卸载。