本發(fā)明公開了一種移動(dòng)邊緣計(jì)算網(wǎng)絡(luò)中基于分布式強(qiáng)化學(xué)習(xí)的隱私保護(hù)動(dòng)態(tài)邊緣緩存設(shè)計(jì)方法，具體為：首先將用戶內(nèi)容流行度動(dòng)態(tài)性建模成無模型的馬爾科夫鏈，然后將系統(tǒng)中各用戶設(shè)備和服務(wù)器設(shè)備的緩存命中率最大化問題構(gòu)建成一個(gè)隱私保護(hù)約束下的分布式優(yōu)化問題。接著將該分布式優(yōu)化問題轉(zhuǎn)化為分布式無模型馬爾科夫決策過程問題，并引入一種聯(lián)邦學(xué)習(xí)方法用于隱私保護(hù)約束下的流行度預(yù)測(cè)。最后通過原分布式優(yōu)化問題的轉(zhuǎn)化，得到動(dòng)作空間，狀態(tài)空間和獎(jiǎng)勵(lì)函數(shù)系統(tǒng)配置。通過迭代學(xué)習(xí)，獲得隱私保護(hù)約束下各個(gè)設(shè)備的動(dòng)態(tài)變換緩存設(shè)計(jì)方法。實(shí)現(xiàn)移動(dòng)邊緣計(jì)算網(wǎng)絡(luò)中用戶隱私保護(hù)約束下的內(nèi)容緩存動(dòng)態(tài)更新，保護(hù)用戶隱私的同時(shí)，獲得更高的緩存命中率。