La computación en el borde móvil (MEC) se ha aplicado ampliamente en varios escenarios de Internet de las cosas (IoT) debido a sus ventajas de baja latencia y bajo consumo de energía. Sin embargo, la externalización de tareas generadas por dispositivos terminales a servidores periféricos plantea inevitablemente preocupaciones sobre la filtración de privacidad. Dada la limitación de recursos en las redes MEC, este documento propone una estrategia de programación de tareas, llamada DQN-DP, para minimizar la filtración de privacidad de ubicación bajo la restricción de costos de externalización. La estrategia se basa en una función de densidad de probabilidad de ofuscación de ubicación de privacidad diferencial. El análisis teórico demuestra que la función de densidad de probabilidad empleada en este estudio es válida y cumple con la -privacidad diferencial en términos de seguridad. Los resultados numéricos indican que, en comparación con enfoques de referencia existentes, el algoritmo propuesto DQN-DP equilibra eficazmente la filtración de privacidad y el costo de externalización. Específicamente, DQN-DP reduce la filtración de privacidad en aproximadamente un 20% en relación con los enfoques de referencia.