Con la proliferación de aplicaciones inteligentes, los dispositivos móviles están manejando cada vez más tareas intensivas en cómputo pero a menudo luchan con recursos limitados de energía y potencia de cómputo. La Computación en el Borde Móvil (MEC) ofrece una solución al permitir que estos dispositivos descarguen tareas intensivas en cómputo a servidores en el borde con recursos, reduciendo así la latencia de procesamiento y el consumo de energía. Sin embargo, las estrategias existentes de descarga de tareas a menudo descuidan preocupaciones críticas de seguridad. En este documento, proponemos un marco de descarga de tareas consciente de la seguridad que utiliza Aprendizaje Profundo por Refuerzo (DRL) para resolver estos desafíos. Nuestro marco está diseñado para minimizar la latencia en la realización de tareas y el consumo de energía, al mismo tiempo que garantiza la seguridad de los datos. Modelamos la utilidad del sistema como un Proceso de Decisión de Markov (MDP) y diseñamos un algoritmo basado en Optimización de Política Proximal (PPO) para derivar estrategias óptimas de descarga. Los resultados experimentales demuestran que el algoritmo propuesto supera a los métodos tradicionales en cuanto a latencia en la ejecución de tareas y consumo de energía.