云边端架构为海量物联网设备引起的大数据处理问题带来了高效解决方案,而该架构设备规模大、资源异构、层次复杂等特点也为隐私保护问题带来新的挑战。本文考虑终端设备、边缘节点和远程云相互协作,以同时优化卸载决策和资源分配的方式研究云边端环境下带隐私约束的任务调度问题,具有重要的研究意义与实用价值。该问题的主要挑战为:（1）由于设备资源有限,部分任务需被卸载到边缘或云端处理,而在任务隐私要求和带宽资源限制等约束下,如何对任务卸载进行合理决策以提高服务质量是一个难题。（2）卸载到边缘服务器的任务具有不同隐私要求,如何制定合理的资源分配策略在满足任务隐私约束的同时使调度目标最优是NP-hard问题。针对云边端环境下带隐私保护的任务卸载和资源分配问题,本文提出考虑任务隐私约束的系统模型,并分别针对不同场景的任务卸载和资源分配问题展开研究。针对无硬截止期和带隐私约束的独立任务,考虑以最小化平均完成时间为优化目标的任务卸载与资源分配问题。首先建立该问题的数学模型,提出一种启发式的带隐私感知的任务卸载与资源分配算法框架,将卸载决策问题和资源分配问题交替迭代求解,协同优化。该算法框架包括任务卸载序列生成、卸载决策调整、通信资源分配、计算资源分配等四个算法组件。本文提出最大本地执行时间优先、最大本地执行时间与任务传输时间比值优先、最小数据量优先等三种卸载序列生成规则;依据前一轮具有隐私保护能力边缘服务器的负载情况,提出控制低隐私任务卸载数量的卸载决策调整策略;考虑各设备的上传数据总量,估计其所需通信资源,提出最小计算量优先、最小数据量优先两种任务数据传输序列生成规则;分别提出本地资源分配和边缘服务器资源分配策略,构建不同隐私等级任务与边缘服务器资源匹配方法。针对有硬截止期和带隐私约束的独立任务,考虑以最大化成功执行任务数为优化目标的任务卸载与资源分配问题。首先对该问题进行建模,然后同样基于已提出的启发式的带隐私感知的任务卸载与资源分配算法对此问题求解。基于此调度问题的特点,在任务卸载序列生成部分本文新提出最晚截止期优先、最小最晚开始时间优先规则;在任务数据传输序列生成部分新提出最早截止期优先规则;在本地资源分配部分提出了最小计算量优先、最早截止期优先、最小最晚开始时间优先等三种分配策略;利用优先队列存放每个设备下一个需要上传的任务,采用先来先服务的思想调度卸载任务;在调度结束后对调度结果进行调整,将执行失败的任务按照最晚开始时间非降序排列并依次将任务在本地设备重调度。为验证所提算法性能,本文采用多因素方差分析技术分别对两个问题对应的算法参数进行校正,并选择最优参数组合。针对最小化平均完成时间的隐私任务调度问题,在不同设备数量、不同任务数据量及不同等级隐私任务占比取值下,所提算法均优于对比算法。在高、低隐私任务占比较低时所提算法效果显著。针对最大化成功执行任务数的隐私任务调度问题,将所提算法与对比算法在多方面对比。实验结果表明,所提算法性能更优,且在资源充足时性能优势更明显。