本次汇报内容为《混合云环境下基于深度强化学习的隐私安全约束下的工作流调度方法》的近期进展，主要从科研背景、科研问题、科研目的、科研内容等方面进行阐述。

科研背景：

• 随着云计算的快速发展，云平台已被广泛接受用于部署和执行工作流应用程序，工作流所有者可以根据自己的需求动态租用和终止使用服务，并根据实际使用情况付费，工作流调度也引起了广泛的研究兴趣。
• 混合云是公共云和私有云的结合，它试图利用两种类型的云平台的优点，因此越来越多的企业或组织采用可整合共有云与私有云资源的混合云技术部署系统。

科研问题：

• 混合云环境中工作流调度时：1.隐私敏感数据和任务不能暴露在公共云平台上 2.云平台上数据传输经过互联网时的安全性和带宽应得到保证
• 现有的大部分工作流调度算法存在明显缺点，如只能得到局部最优解、计算成本较高、无法处理大规模复杂调度等。

科研目的：

• 提出一种考虑隐私性和安全性的混合云工作流调度方法，通过深度强化学习（DRL）在混合云中调度工作流，且在满足工作流数据隐私性和安全性的同时，优化调度完成时间和最小化成本。

科研内容：

具体内容将在组会ppt上进行介绍。