Hoy, con la presencia de sistemas de comunicación 5G, incluida la tecnología del Internet de las cosas (IoT), hay una gran demanda de dispositivos móviles (especialmente teléfonos inteligentes, tabletas, tecnología usable, etc.). En cuanto a esta proliferación y alta demanda, la adopción masiva de dispositivos móviles (MDs) ha llevado a un aumento exponencial en la latencia de red; la alta demanda de servidores en la nube provoca la degradación del tráfico de datos, lo que impacta considerablemente en los aspectos de comunicación y computación en tiempo real de los dispositivos móviles. Como resultado, la computación en el borde móvil (MEC), un marco eficiente capaz de mejorar el procesamiento, optimizar el uso de energía y descargar tareas de computación, se considera una solución prometedora. En la investigación actual, se han implementado numerosos modelos para lograr la asignación de recursos y la descarga de tareas. Sin embargo, estas técnicas son ineficaces debido a problemas de privacidad y a la falta de recursos suficientes. Por lo tanto, este estudio propone estrategias seguras de descarga de tareas y asignación de recursos en dispositivos móviles utilizando la Unidad Recurrente con Compuerta Probit Mish (PM-GRU) y el Algoritmo de Optimización Serval de Interpolación Lineal Entrópica (ELI-SOA). Primordialmente, las tareas a descargar y sus atributos se recopilan de los usuarios móviles y se pasan a un modelo de computación local para identificar el servidor en el borde. Aquí, los atributos de la tarea y los atributos del servidor se comparan con una tabla de caché utilizando el coeficiente de Sorensen-Dice. Si los atributos coinciden, entonces se producen detalles sobre el servidor en el borde apropiado. Si los atributos no coinciden, entonces se introducen en un esquema global que analiza los atributos y predice el servidor en el borde basado en la Unidad Recurrente con Compuerta Probit Mish (PM-GRU). Luego, la información del servidor se conserva y actualiza en la tabla de caché en el esquema local. Además, los atributos, junto con el servidor en el borde predicho, se introducen en un sistema para la creación de contratos inteligentes preservando la privacidad mediante el uso de la Distancia de Mover de la Tierra Exponencial Matricial basada en K-Anonimato (EEMDM-KA) para desarrollar un contrato inteligente seguro. Posteriormente, los atributos de tráfico en el contrato inteligente se extraen y la carga de solicitud se equilibra utilizando HCD-KM. Las solicitudes equilibradas se asignan al servidor en el borde y los recursos óptimos se asignan en el servidor en la nube mediante el Algoritmo de Optimización Serval de Interpolación Lineal Entrópica (ELI-SOA). Finalmente, el contrato inteligente creado se hashea basándose en KECCAK-512 y se almacena en la cadena de bloques. Con una precisión alta del 99.84%, los resultados de evaluación mostraron que el marco de enfoque propuesto funcionó mejor que los utilizados en esfuerzos anteriores.