随着移动互联网的发展,移动边缘计算(MEC)已经成为了新的移动计算模式。MEC将计算和存储资源部署到移动网络的边缘,移动设备用户通过将任务迁移到MEC端执行,以达到降低延时和减少能耗的作用。然而,不合理的任务迁移会引起大量的数据传输,不但会降低移动应用的服务质量,而且还会增加移动设备的能耗和任务的执行时间。因此,在任务迁移时结合工作流调度模型逐渐成为新的研究热点,如何调度工作流应用的任务,直接关系到移动应用的服务质量(Qo S)。MEC因为具有低延迟和低能耗的特性而获得了广泛的应用。例如,越来越多的企业开始构建能够满足其应用需求的边缘计算平台,以将多媒体内容(视频、音频、照片和文本数据)存储到边缘服务器。然而,当经由无线网络发送和接收多媒体数据时,基站(e NB)和用户设备(UE)都可能经历严重的恶意攻击,导致隐私数据的丢失或泄露,引发数据安全问题。在实际应用中,通常采用安全服务来保证数据安全,但是不同的安全服务产生不同的安全开销。如何在保证数据传输安全的同时最小化能耗和延迟成为了MEC研究的另一重要内容。基于以上理解,本文分别考虑了MEC环境下的任务卸载和多媒体数据安全传输问题。本文的创新点和主要工作体现在如下方面:(1)针对MEC下工作流任务的计算卸载问题,本文提出了基于遗传算法的工作流调度算法,旨在优化移动服务的执行时间和移动设备的能耗。该方法考虑了工作流任务之间的依赖关系,结合工作流的调度过程,在制定编码策略时考虑了工作流任务的执行位置和执行顺序。仿真结果表明,本文提出的算法能够有效地优化移动设备的能耗和工作流的完工时间。(2)为了解决MEC环境下数据传输的安全问题,本文提出了一种安全和性能感知的资源分配算法(Spara),目的是增加数据传输的安全性和降低UE的能耗。首先,本文构建了用于企业多媒体数据传输的安全架构,该架构为每个UE分配两个队列,即前端队列和后端队列。然后,根据UE的随机数据请求模型,应用Lyapunov随机优化技术确定计算资源分配和带宽资源分配,其中,计算资源分配用于实现安全服务,无线带宽资源分配用于实现数据传输。理论分析表明,提出的Spara算法具有[(1/(1),((1)]的能耗延迟权衡。仿真实验验证了理论分析的结果,并证明了Spara算法的有效性。