En los últimos años, los microservicios, como una tecnología emergente en el desarrollo de software, han sido favorecidos por los desarrolladores debido a sus características de bajo acoplamiento y ligereza, y han sido aplicados rápidamente al Internet de las Cosas (IoT) y al Internet de los Vehículos (IoV), etc. Los microservicios desplegados en cada unidad del IoV utilizan enlaces inalámbricos para transmitir datos, lo que expone una superficie de ataque más grande, y es precisamente debido a estas características que la colocación segura y eficiente de microservicios en el entorno plantea un desafío serio. Mejorar la seguridad de todos los nodos en un IoV puede aumentar significativamente los costos operativos del proveedor de servicios y puede crear problemas de redundancia de recursos de seguridad. A medida que la aplicación del aprendizaje por refuerzo madura, permite una convergencia más rápida de los algoritmos mediante el diseño de agentes, y funciona bien en entornos de datos a gran escala. Inspirado en esto, este artículo modela primero la red de colocación y el comportamiento de colocación de forma abstracta y establece restricciones de seguridad. La información del entorno se extrae completamente, y se diseña un algoritmo basado en aprendizaje por refuerzo asíncrono para mejorar el efecto de la colocación de microservicios y reducir la redundancia de seguridad basada en garantizar los requisitos de seguridad de los microservicios. Los resultados experimentales muestran que el algoritmo propuesto en este artículo tiene buenos resultados en cuanto a la adecuación del índice de seguridad con los requisitos del usuario y la tasa de aceptación de solicitudes.