数据处理方法及系统、雾节点

技术领域

本公开涉及数据处理领域，特别涉及数据处理方法及系统、雾节点、计算机可存储介质。

背景技术

雾计算是在云和终端设备之间引入雾层，利用距离用户较近的雾层中的设备提供一定的计算、存储和通信资源，具备低时延、位置感知、移动性强、节点众多等明显特征。雾计算可为用户提供本地化的信息和服务应用，但与终端用户相邻的雾节点可能收集有关用户身份、位置、程序使用等敏感数据。雾节点大面积分散、安全等级不一致，可能经常动态的加入或离开雾层，且终端与雾节点的连接存在较大的随机性、临时性。如果保存在雾节点中的敏感数据不能得到及时的处置，则存在较为严重的敏感数据泄露风险。目前对于雾计算的数据保护研究集中在加密和访问控制方面，尚未考虑雾节点中敏感数据的主动清理问题。

发明内容

针对上述技术问题，本公开提出了一种解决方案，可以强化雾服务安全保障能力，提升用户感知。

根据本公开的第一方面，提供了一种数据处理方法，由雾节点执行，包括：检测所述雾节点采集的用户的第一数据是否包括敏感数据；在所述第一数据包括敏感数据且满足预设订阅条件的情况下，向云节点发送关于敏感数据的清除事件的订阅消息，所述订阅消息包括订阅事件标识，所述订阅消息对应有订阅时间戳和所述敏感数据所属的用户的标识；接收来自所述云节点的关于敏感数据的清除事件的发布消息，所述发布消息包括发布事件标识、需要清除敏感数据的用户的标识和发布时间戳；在所述发布事件标识与所述订阅事件标识相同、所述发布消息中的用户的标识与所述订阅消息中的用户的标识存在交集且所述订阅时间戳小于所述发布时间戳的情况下，清除与所述标识对应的在所述订阅时间戳之前采集的敏感数据。

在一些实施例中，清除与所述标识对应的在所述订阅时间戳之前采集的敏感数据包括：根据所述标识，从所述雾节点中查询与所述标识对应的用户的敏感数据；根据所述敏感数据的采集时间戳，获取采集时间戳小于所述订阅时间戳的敏感数据，作为目标敏感数据，所述采集时间戳表征所述敏感数据被所述雾节点采集的时间；清除所述目标敏感数据。

在一些实施例中，所述第一数据由所述雾节点在第一时间采集，所述订阅时间戳为所述第一时间，所述数据处理方法还包括：在向云节点发送所述订阅消息之后，接收来自所述云节点的所述发布消息之前，响应于在第二时间采集到所述用户的第二数据，更新所述订阅时间戳为第二时间，所述第二时间晚于所述第一时间。

在一些实施例中，所述预设订阅条件包括时间条件和行为条件中的至少一种。

在一些实施例中，所述时间条件包括订阅时间点、订阅时间段或订阅时间间隔。

在一些实施例中，所述行为条件包括雾节点与用户终端断开连接。

在一些实施例中，数据处理方法，还包括：从所述第一数据所属的用户接收所述第一数据所属的用户的标识；或者在检测到所述第一数据包括敏感数据的情况下，生成所述第一数据所属的用户的标识，并发送该标识到该用户。

在一些实施例中，检测所述第一数据是否包括敏感数据包括：根据预设分类策略，对所述第一数据进行分类，得到敏感数据集和非敏感数据集；在所述敏感数据集不为空的情况下，判断所述第一数据包括敏感数据。

在一些实施例中，数据处理方法，还包括：在为用户提供雾服务的情况下，采集并存储该用户的数据。

根据本公开第二方面，提供了一种雾节点，包括：检测模块，被配置为检测所述雾节点采集的用户的第一数据是否包括敏感数据；发送模块，被配置为在所述第一数据包括敏感数据且满足预设订阅条件的情况下，向云节点发送关于敏感数据的清除事件的订阅消息，所述订阅消息包括订阅事件标识，所述订阅消息对应有订阅时间戳和所述敏感数据所属的用户的标识；接收模块，被配置为接收来自所述云节点的关于敏感数据的清除事件的发布消息，所述发布消息包括发布事件标识、需要清除敏感数据的用户的标识和发布时间戳；清除模块，被配置为在所述发布事件标识与所述订阅事件标识相同、所述发布消息中的用户的标识与所述订阅消息中的用户的标识存在交集且所述订阅时间戳小于所述发布时间戳的情况下，清除与所述标识对应的在所述订阅时间戳之前采集的敏感数据。

根据本公开第三方面，提供了一种雾节点，包括：存储器；以及耦接至所述存储器的处理器，所述处理器被配置为基于存储在所述存储器的指令，执行上述任一实施例所述的数据处理方法。

根据本公开的第四方面，提供了一种数据处理系统，包括：一个或多个雾节点，每个雾节点被配置为：检测所述雾节点采集的用户的第一数据是否包括敏感数据；在所述第一数据包括敏感数据且满足预设订阅条件的情况下，生成并发送关于敏感数据的清除事件的订阅消息，所述订阅消息包括订阅事件标识，所述订阅消息对应有订阅时间戳和所述敏感数据所属的用户的标识；云节点，被配置为：解析来自所述每个雾节点的订阅消息，得到与所述每个雾节点对应的订阅事件标识；生成关于敏感数据的清除事件的发布消息，所述发布消息包括发布事件标识、需要清除敏感数据的用户的标识和发布时间戳；发送所述发布消息到与所述发布事件标识相同的订阅事件标识所对应的雾节点；所述每个雾节点还被配置为：接收来自所述云节点的所述发布消息；在所述发布事件标识与所述订阅事件标识相同、所述发布消息中的用户的标识与所述订阅消息中的用户的标识存在交集且所述订阅时间戳小于所述发布时间戳的情况下，清除与所述标识对应的在所述订阅时间戳之前采集的敏感数据。

在一些实施例中，所述云节点还被配置为：接收来自需要清除敏感数据的用户的清除指令，所述清除指令包括需要清除敏感数据的用户的标识；响应于接收到所述清除指令，根据需要清除敏感数据的用户的标识，生成所述发布消息。

根据本公开的第五方面，提供了一种计算机可存储介质，其上存储有计算机程序指令，该指令被处理器执行时实现上述任一实施例所述的数据处理方法。

在上述实施例中，可以强化雾服务安全保障能力，提升用户感知。

附图说明

构成说明书的一部分的附图描述了本公开的实施例，并且连同说明书一起用于解释本公开的原理。

参照附图，根据下面的详细描述，可以更加清楚地理解本公开，

其中：

图1是示出根据本公开一些实施例的数据处理方法的流程图；

图2是示出根据本公开一些实施例的雾节点的框图；

图3是示出根据本公开另一些实施例的雾节点的框图；

图4是示出根据本公开一些实施例的数据处理系统的框图；

图5是示出根据本公开另一些实施例的数据处理系统的框图；

图6是示出根据本公开一些实施例的数据处理方法的示意图

图7是示出用于实现本公开一些实施例的计算机系统的框图。

具体实施方式

现在将参照附图来详细描述本公开的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本公开的范围。

同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。

以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本公开及其应用或使用的任何限制。

对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。

在这里示出和讨论的所有示例中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它示例可以具有不同的值。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。

图1是示出根据本公开一些实施例的数据处理方法的流程图。

如图1所示，数据处理方法包括步骤S1-步骤S4。数据处理方法由雾节点执行。

在步骤S1中，检测所述雾节点采集的用户的第一数据是否包括敏感数据。

在一些实施例中，根据预设分类策略，对所述第一数据进行分类，得到敏感数据集和非敏感数据集；在所述敏感数据集不为空的情况下，判断所述第一数据包括敏感数据。

在一些实施例中，在雾节点为用户提供雾服务的情况下，采集并存储该用户的数据。例如，用户使用与其终端设备相邻的雾节点上的雾计算提供的本地化信息和服务应用，该雾节点收集并处理该用户的数据。

在步骤S2中，在所述第一数据包括敏感数据且满足预设订阅条件的情况下，向云节点发送关于敏感数据的清除事件的订阅消息。所述订阅消息包括订阅事件标识，所述订阅消息对应有订阅时间戳和所述敏感数据所属的用户的标识。在一些实施例中，订阅事件标识为事件的主题。

在一些实施例中，以第一数据由雾节点在第一时间采集且订阅时间戳为第一时间为例，在向云节点发送所述订阅消息之后，接收来自所述云节点的所述发布消息之前，响应于在第二时间采集到所述用户的第二数据，更新所述订阅时间戳为第二时间，所述第二时间晚于所述第一时间。

在一些实施例中，预设订阅条件包括时间条件和行为条件中的至少一种。例如，时间条件包括订阅时间点、订阅时间段或订阅时间间隔。行为条件包括雾节点与用户终端断开连接。

在一些实施例中，在向云节点发送所述订阅消息之前，从所述第一数据所属的用户接收所述第一数据所属的用户的标识，或者在检测到所述第一数据包括敏感数据的情况下，生成所述第一数据所属的用户的标识，并发送该标识到该用户。

在步骤S3中，接收来自所述云节点的关于敏感数据的清除事件的发布消息。所述发布消息包括发布事件标识、需要清除敏感数据的用户的标识和发布时间戳。

在步骤S4中，在所述发布事件标识与所述订阅事件标识相同、所述发布消息中的用户的标识与所述订阅消息中的用户的标识存在交集且所述订阅时间戳小于所述发布时间戳的情况下，清除与所述标识对应的在所述订阅时间戳之前采集的敏感数据。例如，发布消息中的用户的标识与订阅消息中的用户的标识可以完全相同，也可以部分相同。

在上述实施例中，结合云雾场景下云节点和雾节点不是长连接的特性，采用订阅-发布的方式实现了云雾场景下的敏感数据清除，有效降低了用户敏感数据的泄露风险，进一步强化了雾服务的安全保障能力，提升了用户感知。另外，由云节点发布清除事件，雾节点进行敏感数据的清除，采用云雾协同机制，针对雾节点异构、大面积分散的特点，由可随时访问的云端组件承接用户请求，采用了基于属性的发布-订阅模式，替代传统紧耦合的客户端-服务器模式进行清除指令的传递，保证了云端的轻量化，具有适应性强、高效可发展的优势。

在一些实施例中，通过如下方式可以实现上述步骤S4。

首先，根据所述标识，从所述雾节点中查询与所述标识对应的用户的敏感数据。

然后，根据所述敏感数据的采集时间戳，获取采集时间戳小于所述订阅时间戳的敏感数据，作为目标敏感数据。所述采集时间戳表征所述敏感数据被所述雾节点采集的时间。

最后，清除所述目标敏感数据。

图2是示出根据本公开一些实施例的雾节点的框图。

如图2所示，雾节点21包括检测模块211、发送模块212、接收模块213和清除模块214。

检测模块211被配置为检测所述雾节点采集的用户的第一数据是否包括敏感数据，例如执行如图1所示的步骤S1。

发送模块212被配置为在所述第一数据包括敏感数据且满足预设订阅条件的情况下，向云节点发送关于敏感数据的清除事件的订阅消息，例如执行如图1所示的步骤S2。所述订阅消息包括订阅事件标识。所述订阅消息对应有订阅时间戳和所述敏感数据所属的用户的标识。

接收模块213被配置为接收来自所述云节点的关于敏感数据的清除事件的发布消息，例如执行如图1所示的步骤S3。所述发布消息包括发布事件标识、需要清除敏感数据的用户的标识和发布时间戳。

清除模块214被配置为在所述发布事件标识与所述订阅事件标识相同、所述发布消息中的用户的标识与所述订阅消息中的用户的标识存在交集且所述订阅时间戳小于所述发布时间戳的情况下，清除与所述标识对应的在所述订阅时间戳之前采集的敏感数据，例如执行如图1所示的步骤S4。

图3是示出根据本公开另一些实施例的雾节点的框图。

如图3所示，雾节点31包括存储器311；以及耦接至该存储器311的处理器312。存储器311用于存储执行数据处理方法对应实施例的指令。处理器312被配置为基于存储在存储器311中的指令，执行本公开中任意一些实施例中的数据处理方法。例如，雾节点31和雾节点21具有相同或类似的结构和功能。

图4是示出根据本公开一些实施例的数据处理系统的框图。

如图4所示，数据处理系统4包括一个或多个雾节点41以及云节点42。

每个雾节点41被配置为：检测所述雾节点采集的用户的第一数据是否包括敏感数据；在所述第一数据包括敏感数据且满足预设订阅条件的情况下，生成并发送关于敏感数据的清除事件的订阅消息。所述订阅消息包括订阅事件标识。所述订阅消息对应有订阅时间戳和所述敏感数据所属的用户的标识。

云节点42被配置为：解析来自所述每个雾节点的订阅消息，得到与所述每个雾节点对应的订阅事件标识；生成关于敏感数据的清除事件的发布消息，所述发布消息包括发布事件标识、需要清除敏感数据的用户的标识和发布时间戳；发送所述发布消息到与所述发布事件标识相同的订阅事件标识所对应的雾节点。

每个雾节点41还被配置为：接收来自所述云节点的所述发布消息；在所述发布事件标识与所述订阅事件标识相同、所述发布消息中的用户的标识与所述订阅消息中的用户的标识存在交集且所述订阅时间戳小于所述发布时间戳的情况下，清除与所述标识对应的在所述订阅时间戳之前采集的敏感数据。

在一些实施例中，云节点42还被配置为：接收来自需要清除敏感数据的用户的清除指令，所述清除指令包括需要清除敏感数据的用户的标识；响应于接收到所述清除指令，根据需要清除敏感数据的用户的标识，生成所述发布消息。

下面将结合图5和图6详细描述本公开一些实施例中的数据处理方法。

图5是示出根据本公开另一些实施例的数据处理系统的框图。

图6是示出根据本公开一些实施例的数据处理方法的示意图。

如图5所示，数据处理系统5包括雾端组件51和云端组件52。

雾端组件51包括数据分类模块511、消息订阅模块512、信息检索模块513和信息消除模块514。雾端组件51部署在雾节点中。

云端组件52包括代理(Agent)模块521、请求接收模块522和信息发布模块523。云端组件52部署在云节点中。

雾计算服务结构通常由用户的终端设备层、雾层和云层构成。雾层作为雾计算的核心，由各类雾节点组成。雾节点可以是任何具有计算、存储和连接网络能力的设备，如工业控制器、交换机、路由器、无线AP(Access Point，接入点)、嵌入式的服务器和视频监控摄像机等。用户的终端设备接入到雾节点，使用由雾计算提供的本地化信息和服务应用。在这个过程中，雾节点根据应用的需要进行包含用户敏感数据的各类信息收集。

如图6所示，雾计算服务结构包括用户1的终端UE1和用户2的终端UE2。雾计算服务结构还包括雾节点F1、雾节点F2和云节点C1，雾节点F1、F2中均部署了如图5所示的雾端组件51，云节点C1中部署了如图5所示的云端组件52。用户1的终端UE1和用户2的终端UE均接入雾节点F1。用户1的终端UE1还接入了雾节点F2。例如，雾计算服务结构还可以包括其他用户的终端和其他雾节点，用户1的终端UE1和用户2的终端UE还可以接入其他雾节点，本公开不做限定。

在一些实施例中，用户1的终端UE1接入雾节点1、2后，雾节点F1、F2采集并存储用户1的数据。用户2的终端UE2接入雾节点F1后，雾节点F1采集并存储用户2的数据。例如，雾节点F1收集了用户1的车牌号、停车地点等，以及用户2的某程序使用量信息、设备温度等。

图5中的雾端组件51的数据分类模块511针对雾节点采集到的用户信息根据预设的数据分类规则进行分类。数据分类的大类包括两类：敏感数据和非敏感数据。在一些实施例中，还可以再根据信息内涵进行细类的划分。例如，敏感数据包括但不限于个人敏感数据和企业或社会机构不适合公布的数据，如个人的姓名、电话号码、电子邮件地址、收货地址、个人生物识别信息、银行账号、车牌号、通信记录和内容、财产信息、征信信息、行踪轨迹、住宿信息、健康生理信息、交易信息等个人敏感信息，以及某些位置隐私、传感器数据、应用使用情况等。

对于敏感数据，图5中的数据分类模块511为其添加能够唯一标识用户的元数据信息，并将该元数据信息发送给相应的用户的终端设备。例如，该元数据信息也可以由用户的终端设备在第一次使用雾服务的时候生成，并在与雾节点进行数据通信时发送给雾节点。元数据信息用于标记其被收集的敏感信息，例如可以是用户的唯一标识。

在一些实施例中，以图6的雾节点F1为例，雾节点F1利用部署在其中的雾端组件中的数据分类模块进行数据分类，将类别为车辆信息的车牌号和类别为位置信息的停车地点归并为敏感信息，为其添加能够唯一标识用户1的元数据UID1。雾节点F1利用部署在其中的雾端组件中的数据分类模块还将类别为使用信息的某程序使用量信息归为敏感信息，为其添加能够唯一标识用户2的元数据UID2。雾节点F1还将UID1和UID2分别发给用户1和用户2。

在一些实施例中，可以用表1所示的方式存储分类后的敏感数据。

表1

上述表1中的标识为唯一标识用户1、2的敏感数据的元数据信息(即用户的唯一标识)。类别一列描述了相应敏感数据的分类，内容一列描述了相应敏感数据的内容。

在数据分类模块511检测到用户1、2的数据中包括敏感数据UID1的情况下，通知消息订阅模块512用户1、2的数据中包括敏感数据。用户1、2的敏感数据分别以用户1、2的唯一标识UID1、UID2标识。消息订阅模块512分别以用户1、2的敏感数据的标识UID1、UID2和订阅时间戳为事件属性，向云端组件52的代理模块521发起清除事件订阅。消息订阅模块512例如还在雾节点存储了如表2所示的已订阅的事件的信息。

表2

如表2所示，雾节点订阅了事件主题为清除事件(DELETE)的事件，该事件的事件属性为UID1、UID2和订阅时间戳。

在一些实施例中，雾端组件51的消息订阅模块512可以根据预设的时间节点(如某固定时间或特定时间间隔)或者特殊事件(如用户终端与雾节点断开连接)进行事件订阅。

例如，以图6为例，雾节点F1利用部署在雾端组件中的消息订阅模块将UID1和UID2作为指定的内容，以订阅时间戳(S-timestamp)作为约束条件向云节点C1的云端组件的代理模块订阅主题名为“删除”(DELETE)的事件。假设订阅时间为2020年3月5日18时30分，则与UID1和UID2对应的订阅时间戳的值可设为202003051830。

在一些实施例中，如果消息订阅模块512在订阅期间未收到针对特定用户的唯一标识的事件，期间又采集到相同用户的敏感数据，则可以修改订阅时间戳。以图6中雾节点F1为例，雾节点F1中的消息订阅模块在2020年3月5日18时30分进行事件订阅后，又采集到用户1的敏感数据，则可以修改UID1的订阅时间戳。假设UID1的S-timestamp的值修改为202003081920。此时UID2的订阅时间戳不变，仍为202003051830。

在一些实施例中，在某个时间，云端组件52的请求接收模块522接收用户主动向云端组件发送敏感数据清除的请求。用户在停用/注销雾服务、与雾节点断开连接或者其他主观认为需要进行敏感数据清除的时候，向云端组件52的请求接收模块522提交敏感数据清除请求，该请求需包含用户的唯一标识(即敏感数据的标识)。

以图6的雾节点F1为例，用户1、2向云节点C1中的请求接收模块发送敏感数据清除请求，该请求包含用户唯一标识UID1、UID2。

请求接收模块522在接收到敏感数据清除的请求后，携带用户1、2的唯一标识UID1、UID2，通知信息发布模块523发布清除事件。例如，信息发布模块523将用户1、2的唯一标识UID1、UID2和发布时间戳作为发布消息的内容进行清除事件的发布。

如表3所示，信息发布模块523所发布事件的事件主题为清除事件，事件属性为UID1及其对应的发布时间戳、UID2及其对应的发布时间戳。例如，不同用户在同一时间点或时间段发起的清除请求，发布时间戳可以相同，也可以不同。发布时间戳可以是用户预定义的，也可以是用户发起清除请求的时间。

表3

例如，图6中云节点C1的信息发布模块将UID1和发布时间戳(P-timestamp)作为消息内容，发布主题为“删除”(DELETE)的事件。假设发布时间为2020年3月10日9时10分，则发布时间戳的值可设为202003100910。

在一些实施例中，信息发布模块523可以通过代理模块521进行事件发布，即向代理模块521发送关于清除事件的发布消息，由代理模块521将发布消息发送给订阅了该清除事件的雾节点。实际应用中，云节点的多个信息发布模块可以使用同一个代理模块或者使用多个代理模块。

雾端组件51的消息订阅模块512接收到清除事件的发布消息后，提取发布消息中的事件主题、用户唯一标识和发布时间戳。在发布事件主题与订阅事件主题相同、发布消息中的用户的标识与订阅消息中的用户的标识存在交集的情况下，继续判断订阅时间戳是否小于发布时间戳。在订阅时间戳是否小于发布时间的情况下，发送发布消息中的用户唯一标识UID1、UID2发送给信息检索模块513。

以图6的雾节点F1为例，雾节点F1的信息发布模块通过代理模块发布的主题为“清除”(DELETE)的事件，消息内容为UID1，发布时间戳(P-timestamp)的值为202003100910。UID1属于雾节点F1消息订阅模块指定的用户唯一标识，且订阅时间戳(S-timestamp)的值为202003051830。比较可知，发布时间戳的值大于订阅时间戳的值，则雾节点F1的消息订阅模块接受该清除事件，并将清除事件中包含的UID1进行提取，发送给雾节点F1的信息检索模块。

由于雾节点分布广泛，且上/下线可能存在不确定性，且存在不同雾节点在不同时间节点针对同一用户采集到相同或不同的敏感信息，则订阅时间戳则不一致。例如，雾节点F1将UID1和UID2作为指定的内容，订阅时间戳的值为202003051830；雾节点F2将UID1作为指定的内容，假设订阅时间戳的值为202003061830。信息发布模块发布消息内容为UID1，发布时间戳(P-timestamp)的值为202003100910，则雾节点F1和雾节点F2的消息订阅模块均会接收主题为“清除”的事件。而假设雾节点F2的订阅时间为2020年3月11日10时15分，那么订阅时间戳的值为202003111015。这种情况下，订阅时间戳大于发布时间戳，则可认为在发布时间戳之前用户1并未通过雾节点F2订阅清除事件，则不执行清除操作。

信息检索模块513接收到消息订阅模块512传递的用户唯一标识，在相应的数据库中基于元数据信息查找该用户关联的敏感数据，同时记录相关信息、数据存放的数据表、磁盘等具体的存储位置。

信息检索模块513将需要删除的敏感数据相关信息发送给信息清除模块514执行清除操作，信息清除模块514应采用不能被复原的方法对敏感数据进行清除或匿名化的操作。

在一些实施例中，信息检索模块513接收到消息订阅模块512传递的用户唯一标识UID1，检索到类别为车辆信息的车牌号和类别为位置信息的停车地点等敏感信息，随后信息清除模块514将采集到的用户1的车牌号和停车地点的信息进行清除。

例如，信息检索模块513和信息清除模块514可以合设为信息检索和清除模块，在进行敏感数据检索的同时即执行数据的清除操作。

在一些实施例中，雾端组件51在进行敏感数据清除操作后，还可以通过常规的方法通知云端组件52，云端组件52可以将雾节点的清理进展、哪些雾节点进行了清除操作对用户进行反馈，进一步提升用户感知。

在一些实施例中，云端组件52在进行事件发布的时候，某些订阅了该事件的雾节点可能并未上线，而此后又有用户提交了清除请求，则消息发布模块523针对主题事件应以信息追加的形式进行发布，雾节点在上线后应连接代理模块521，从代理模块521获取之前发布的事件。

图7是示出用于实现本公开一些实施例的计算机系统的框图。

如图7所示，计算机系统70可以通用计算设备的形式表现。计算机系统70包括存储器710、处理器720和连接不同系统组件的总线700。

存储器710例如可以包括系统存储器、非易失性存储介质等。系统存储器例如存储有操作系统、应用程序、引导装载程序(Boot Loader)以及其他程序等。系统存储器可以包括易失性存储介质，例如随机存取存储器(RAM)和/或高速缓存存储器。非易失性存储介质例如存储有执行数据处理法中的至少一种的对应实施例的指令。非易失性存储介质包括但不限于磁盘存储器、光学存储器、闪存等。

处理器720可以用通用处理器、数字信号处理器(DSP)、应用专用集成电路(ASIC)、现场可编程门阵列(FPGA)或其它可编程逻辑设备、分立门或晶体管等分立硬件组件方式来实现。相应地，诸如判断模块和确定模块的每个模块，可以通过中央处理器(CPU)运行存储器中执行相应步骤的指令来实现，也可以通过执行相应步骤的专用电路来实现。

总线700可以使用多种总线结构中的任意总线结构。例如，总线结构包括但不限于工业标准体系结构(ISA)总线、微通道体系结构(MCA)总线、外围组件互连(PCI)总线。

计算机系统70还可以包括输入输出接口730、网络接口740、存储接口750等。这些接口730、740、750以及存储器710和处理器720之间可以通过总线700连接。输入输出接口730可以为显示器、鼠标、键盘等输入输出设备提供连接接口。网络接口740为各种联网设备提供连接接口。存储接口750为软盘、U盘、SD卡等外部存储设备提供连接接口。

这里，参照根据本公开实施例的方法、装置和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解，流程图和/或框图的每个框以及各框的组合，都可以由计算机可读程序指令实现。

这些计算机可读程序指令可提供到通用计算机、专用计算机或其他可编程装置的处理器，以产生一个机器，使得通过处理器执行指令产生实现在流程图和/或框图中一个或多个框中指定的功能的装置。

这些计算机可读程序指令也可存储在计算机可读存储器中，这些指令使得计算机以特定方式工作，从而产生一个制造品，包括实现在流程图和/或框图中一个或多个框中指定的功能的指令。

本公开可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。

通过上述实施例中的数据处理方法及系统、雾节点、计算机可存储介质，可以强化雾服务安全保障能力，提升用户感知。

至此，已经详细描述了根据本公开的数据处理方法及系统、雾节点、计算机可存储介质。为了避免遮蔽本公开的构思，没有描述本领域所公知的一些细节。本领域技术人员根据上面的描述，完全可以明白如何实施这里公开的技术方案。