由于无线通信链路的广播特性,极易造成通信内容泄露,导致数据泄露。物理层安全（Physical Layer Security,PLS）技术通过利用无线信道的物理特性被广泛认为是一种有前景的安全无线通信方法。相对于基于传统密码学的安全技术,物理层安全技术利用信道随机特性来提高安全性能,并且不需要利用复杂算法即可有效解决无线通信中的信息泄露问题,从而在信息传输过程中既可以保证信息收发端的安全通信也可以降低窃听者的窃听效果。但随着窃听技术的提高,若地面收发端只利用物理层安全技术将导致通信传输效率降低,借助其他通信设备来对抗窃听者窃听可进一步提高用户间通信的安全性。无人机由于其具有灵活性高、成本低等特点,可以有效辅助地面无线网络通信。利用无人机辅助物理层安全传输可以显著改善因收发端在对抗窃听时造成的通信效率及安全性能低下的问题。然而,无人机电池容量受限,且无人机在进行通信时只能够依靠机载能量来维持飞行,而无人机的飞行轨迹及其传输功率影响系统能量消耗。如何在有限的机载能量下管理网络资源以提高无人机辅助的无线通信过程中的安全传输效率,及系统的安全能量效率是目前亟需解决的关键问题。基于传统优化方法的资源管理方案计算复杂度高并且难以适应复杂多变的环境,数据变量的爆炸式增长导致传统方法难以适用,亟需一种更加智能高效的算法来解决。针对该问题,本文重点研究了基于深度强化学习的无人机辅助的无线网络中的物理层安全传输方法。论文的主要研究内容如下:（1）针对设备到设备（Device-to-Device,D2D）通信场景中的保密速率提升问题,研究了一种无人机辅助的D2D场景下的保密通信系统。由于无线信道的广播特性,用户在数据传输过程中很容易被窃听者窃听,造成数据泄露。为保证D2D通信的安全性,本文针对无人机辅助D2D场景,提出了利用移动无人机传输干扰信号对抗地面窃听者以提高通信的安全性的方法。为了保证通信的连续性,首先,建立了连接中断概率模型,推导了D2D用户连接中断概率的闭式表达式,其中保密速率定义为传输速率与窃听速率之差。然后,通过联合优化无人机飞行轨迹和发射功率,建立了保密速率最大化的优化问题。为求解该问题,提出了一种基于双延迟深度确定性策略梯度（Twin Delayed Deep Deterministic Policy Gradient,TD3）的无人机轨迹和发射功率联合优化算法。在该算法中,将无人机看作单智能体,对随机参数进行初始化之后,无人机观察环境状态,根据初始策略选择相应的动作并添加噪声,在孪生网络中选择较小目标值并进行下一步的网络更新,降低算法的累计误差。仿真实验结果表明利用TD3算法来优化无人机轨迹和发射功率能够有效提高系统的安全速率。（2）针对无人机辅助的窃听者模糊坐标场景下的安全能效问题,研究了空对地通信场景中无人机辅助无线网络通信中的安全传输问题以及通信系统能耗问题。在本文考虑的空对地通信场景中,移动无人机作为收发端,地面用户在给移动无人机发送信息时,无人机同时发送干扰信号以此对抗坐标模糊的地面窃听者,来确保系统的安全性能。通过联合优化无人机的飞行轨迹,地面用户的发射功率和无人机的发射功率,建立了安全能效最大化的优化问题。为求解该问题,本文提出了一种基于双延迟深度确定性策略梯度的地面用户发射功率,无人机轨迹和发射功率的联合优化算法,保证在通信过程中系统安全能量效率最大。同时对比了TD3算法与深度确定性策略梯度（Deep Deterministic Policy Gradient,DDPG）算法在解决此问题上的性能。仿真实验结果表明TD3算法的性能优于DDPG算法的性能,并且可以显著提高通信系统的安全传输性能。