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。
具体内容将在组会ppt上进行介绍。
我本次汇报的题目是《混合云环境下基于深度强化学习的隐私与安全约束条件下的工作流调度》，我将从科研背景、科研问题、科研目的、研究内容等方面进行阐述。
科研背景
1.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。
2.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
1.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
2.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。
研究内容
具体将在组会进行详细介绍。
我本次组会汇报的题目是《混合云环境下基于深度强化学习的安全性约束工作调度方法》，我将从研究背景、研究问题、研究目的等方面进行介绍。
研究背景
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。
混合云中的作业调度需要综合考虑与任务执行相关的可用时间、隐私数据保护、成本限制等问题，这也对混合云中的作业调度的研究提出了新的要求。
研究问题
一些有安全需求的任务可以外包到公共云，这为优化任务执行性能提供了更多的机会，同时增加了安全问题的复杂性。
公共云中实现一定级别的安全存在资源开销，将任务外包给公共云的开销和执行该任务消耗有限的私有资源之间存在权衡。
研究目的
提出一种基于深度强化学习（DRL）的混合云作业调度方法，在混合云中调度作业，在满足混合云任务的最后期限和安全级别的同时，专注完成的任务数量最大化和成本最小化。
本研究的问题描述、研究思路、研究计划等将在组会中详细报告。
本次组会我将汇报我的研究课题：混合云环境下基于深度强化学习的隐私感知工作调度的研究，主要从以下几个方面展开：
1.研究背景：
随着云计算技术的深入发展和大数据时代的来临，越来越多的企业或组织采用混合云技术部署系统。云作业调度是管理任务在云资源中执行的过程，混合云中的作业调度与传统云作业调度不同，需要综合考虑与任务执行相关的可用时间、隐私数据保护、成本限制等问题，这也对混合云中的作业调度提出了新的要求。
2.科研问题：
混合云中的作业调度更加复杂，产生不同的挑战，尤其是对隐私保护方面的研究被广泛研究。采用何种调度算法可以使混合云用户的任务拥有更低的平均响应时间、更高的调度成功率以及更好的隐私保护效果，是一个值得研究的问题。
3.科研目的：
提出一种基于深度强化学习（DRL）的混合云作业调度方法，使用户任务能够在可接受的响应时间QoS内，尽可能的满足任务的隐私保护需求。
4:问题建模：
针对科研问题建立的模型、过程将在汇报ppt中展示
5:实验设置及结果：
在汇报ppt中展示