本发明涉及边缘计算卸载领域，尤其涉及一种面向用户隐私保护的边缘计算卸载方法，包括：基于用户卸载任务及卸载频率定义隐私量概念，并制定隐私约束；通过对边缘计算服务器基站下所有用户的卸载概率进行抑制和泛化处理，构建隐私保护模型；联合考虑用户与边缘节点之间的信道状态构建卸载模型；计算不同卸载策略下边缘节点场景内多个用户构成系统的计算速率；计算目标用户计算时延、用户累计隐私量，选择隐私约束范围内系统计算速率最优的卸载策略，下发到用户终端设备执行；本发明考虑用户的隐私信息进行边缘计算任务卸载，有效的避免用户的身份和位置信息泄露，获取高质量的边缘计算服务；使用深度强化学习算法训练得到卸载策略。