CN106912040A - 一种融合删除法的AdHoc网络关键节点识别方法 - Google Patents
一种融合删除法的AdHoc网络关键节点识别方法 Download PDFInfo
- Publication number
- CN106912040A CN106912040A CN201710053067.5A CN201710053067A CN106912040A CN 106912040 A CN106912040 A CN 106912040A CN 201710053067 A CN201710053067 A CN 201710053067A CN 106912040 A CN106912040 A CN 106912040A
- Authority
- CN
- China
- Prior art keywords
- node
- network
- key
- nodes
- hop
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W12/00—Security arrangements; Authentication; Protecting privacy or anonymity
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W84/00—Network topologies
- H04W84/18—Self-organising networks, e.g. ad-hoc networks or sensor networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Computer Security & Cryptography (AREA)
- Mobile Radio Communication Systems (AREA)
- Small-Scale Networks (AREA)
Abstract
本发明公开了一种动态Ad Hoc网络关键节点识别方法,包括构建Ad Hoc网络模型、定义Ad Hoc网络的连通性、定义节点删除后Ad Hoc网络的连通性、定义Ad Hoc网络节点的关键程度、动态识别Ad Hoc网络关键节点、确定Ad Hoc网络节点关键性排序。本发明解决了现有算法存在的难以给出网络的关键节点、对识别出的关键节点无法区分关键性、不适应大规模网络或动态网络的关键节点识别等方面的问题,进一步提了高Ad Hoc网络关键节点的识别效率,提高了Ad Hoc网络的安全性、可靠性。
Description
技术领域
本发明属于网络安全技术领域,特别涉及一种融合删除法的Ad Hoc网络关键节点识别方法。
背景技术
Ad Hoc网络是一种自组织网络,其网络的拓扑结构随着通信节点的运动会发生改变,所以当对其进行关键节点识别时,需要用一种快速有效的方法才能适应其动态变化的拓扑结构。目前,网络关键节点识别的方法主要分为两类:第一类是社会网络分析法:包括:度值法、中介性方法、k壳分解法、特征向量法、半局部中心度法等,这些方法是将节点的关键性等价于显著性,指标的研究不破坏网络的整体性;中介性方法虽然能够准确把握网络的整体拓扑信息,对关键节点的识别似乎具有很好的效果,但是其算法的时间复杂度比较高,对于大规模动态Ad Hoc网络并不适用;半局部中心度法虽然能够快速识别出大规模网络的关键节点,但是这种方法只是考虑了四跳范围内节点度的关系,并不能准确给出网络的关键节点。第二类是节点删除法,这类方法是将节点的关键性等价节点删除后网络的破坏性,指标的研究破坏了网络的整体性。节点收缩的方法虽然能够通过衡量节点收缩后网络凝聚度来识别网络的关键节点,但是当多个节点收缩后网络的拓扑结构相同时,这些节点的关键性就难以区分。基于k跳范围的节点删除法,虽然能够快速的识别出大规模Ad Hoc网络的关键节点,但是如果网络本身存在的分割点过多,那么识别出的关键节点就会因为数目太多而无法区分关键性。本文在基于删除法的思想上,针对Ad Hoc网络,在k跳范围内综合考虑节点删除后剩余网络的拓扑离散程度、节点数和分支数对关键节点识别的影响,提出了一种基于分支信息的局部关键节点识别方法,该方法在3≤k≤7时,对大规模动态AdHoc网络关键节点的识别具有良好的适应性。
发明内容
本发明的目的是:提供一种融合删除法的Ad Hoc网络关键节点识别方法,比中介性方法的时间复杂度低,对大规模Ad Hoc网络的关键节点识别具有理想的计算能力,比k跳删除法识别结果更精确,进一步提高Ad Hoc网络关键节点的识别效率,提高Ad Hoc网络的安全性、可靠性。
本发明的技术方案是:一种融合删除法的Ad Hoc网络关键节点识别方法,包括以下步骤:
A.设图G=(V,L)是由n个节点、m条链路组成的无权无向网络,其中V={v1,v2,…,vn}是网络中所有节点的集合,L={l1,l2,…,lm}是所有节点间链路的集合;
B.定义网络节点的k跳范围、k跳局部关键节点、分割点和k跳分割点;
节点的k跳范围是指节点在其最短路径小于等于k跳所能到达的所有节点组成的区域范围,其构成的拓扑结构包括节点k跳范围内的所有节点和这些节点之间存在的所有链路;
k跳局部关键节点是指k跳范围内的关键节点,并且当k跳范围所包含的节点数目等于n时,称这类关键节点为全局关键节点;若节点vi不是k跳范围内的关键节点,则节点vi必定不是全局关键节点;
对于整个网络的拓扑结构,节点删除后能使网络分割为至少两个相对独立分支的节点称为分割点;在所有k跳范围内,节点删除后能使网络分割为至少两个相对独立分支的节点称为k跳分割点;
C.任意删除某些网络节点,分析单个网络节点删除后形成的所有分支节点数的相互关系造成的不能相通节点的数量,造成的不能相通的节点的数量越多,破坏性越强,该节点的关键性越强;
C1.求解某些节点删除后造成的不能相通的节点数;
设:网络一个节点删除后,形成了d个分支,每个分支的节点数为{x1,x2,…,xd},节点删除后造成的不能相通的节点对记为f,当f越大时,不能相通的节点对越多,网络连通性破坏越严重,其构造的数学模型表达式为:
f=x1x2+x1x3+x1x4+…+xd-1xd (1)
Φ=x1+x2+…+xd-n+1 (2)
要使网络的连通性破坏最大就是使得函数f在Φ=0的条件下求得最大值,由数学分析可知,函数f在条件Φ=0下的极大值即是函数的最大值;
利用拉格朗日乘数法来求解函数f的极大值:
La=f+λΦ (3)
La是构造的拉格朗日函数,λ为拉格朗日乘数;
分别对λ,x1,x2,…,xd求偏导得到:
解得:
x1=x2=…=xd=(n-1)/d (5)
由公式(5)可以看出,节点删除后所有网络分支节点数都等于(n-1)/d时,函数f取得最大值,此时网络的破坏程度最大;
C2.定义(n-1)/d为网络分支节点数的最优值,表示为xb;
对于网络中的所有节点,并不是每个节点删除后剩余网络的所有网络分支节点数都等于xb,但是当所有网络分支节点数与xb的标准差σ越小时,所有网络分支节点数就会越接近于xb,网络分离的程度就会越大,σ的表达式为:
当网络节点删除后,网络分支数为1时,网络的分离程度为0;
C3.定义β(0<β≤1)为节点删除后网络拓扑离散程度,则有:
可见,不同节点删除后,当剩余网络拓扑结构具有相同的节点数、分支数时,节点删除后网络拓扑离散程度越大,对网络的连通破坏性就越大,节点的关键性越强。
C4.综上C1、C2、C3可见,在k跳范围内利用删除法对Ad Hoc网络进行关键节点识别时,节点的关键性与节点删除后剩余网络的拓扑离散程度β、节点数N、分支数d是相关的,k跳范围内节点删除后剩余网络的拓扑离散程度β、节点数N、分支数d之间的关系为:
CN=β×N×d (8)
CN表示节点的关键程度,CN越大,表示节点越关键;
由式(8)可以看出,融合删除法对Ad Hoc网络进行关键节点识别时,一个节点的关键性取决于节点删除后剩余网络的拓扑离散程度、节点数、分支数的大小。
本发明针对传统关键节点识别方法不能有效适应大规模Ad Hoc网络关键节点识别问题,首先识别出k跳范围内所有网络分割点,然后综合考虑节点删除后剩余网络离散程度、节点数和分支数对网络连通可靠性的影响,给出所有分割点的关键性排序。本发明充分利用局部范围信息识别出全局关键节点,比中介性方法的时间复杂度低,对大规模Ad Hoc网络的关键节点识别具有理想的计算能力,比k跳删除法识别结果更精确,并且当3≤k≤7时,对动态Ad Hoc网络关键节点识别具有良好的适应性。
附图说明
图1为本发明方法流程图;
图2为本发明分支节点网络结构图;
图3为本发明节点5的2跳范围网络结构图;
图4为本发明节点4的2跳范围网络结构图;
图5为本发明节点3的2跳范围网络结构图。
具体实施方式
实施例1:参见图1至图5,一种融合删除法的Ad Hoc网络关键节点识别方法,包括以下步骤:
A.设图G=(V,L)是由n个节点、m条链路组成的无权无向网络,其中V={v1,v2,…,vn}是网络中所有节点的集合,L={l1,l2,…,lm}是所有节点间链路的集合;
B.定义网络节点的k跳范围、k跳局部关键节点、分割点和k跳分割点;
节点的k跳范围是指节点在其最短路径小于等于k跳所能到达的所有节点组成的区域范围,其构成的拓扑结构包括节点k跳范围内的所有节点和这些节点之间存在的所有链路;
k跳局部关键节点是指k跳范围内的关键节点,并且当k跳范围所包含的节点数目等于n时,称这类关键节点为全局关键节点;若节点vi不是k跳范围内的关键节点,则节点vi必定不是全局关键节点;
对于整个网络的拓扑结构,节点删除后能使网络分割为至少两个相对独立分支的节点称为分割点;在所有k跳范围内,节点删除后能使网络分割为至少两个相对独立分支的节点称为k跳分割点;
C.任意删除某些网络节点,分析单个网络节点删除后形成的所有分支节点数的相互关系造成的不能相通节点的数量,造成的不能相通的节点的数量越多,破坏性越强,该节点的关键性越强;
C1.求解某些节点删除后造成的不能相通的节点数;
设:网络一个节点删除后,形成了d个分支,每个分支的节点数为{x1,x2,…,xd},节点删除后造成的不能相通的节点对记为f,当f越大时,不能相通的节点对越多,网络连通性破坏越严重,其构造的数学模型表达式为:
f=x1x2+x1x3+x1x4+…+xd-1xd (1)
Φ=x1+x2+…+xd-n+1 (2)
要使网络的连通性破坏最大就是使得函数f在Φ=0的条件下求得最大值,由数学分析可知,函数f在条件Φ=0下的极大值即是函数的最大值;
利用拉格朗日乘数法来求解函数f的极大值:
La=f+λΦ (3)
La是构造的拉格朗日函数,λ为拉格朗日乘数;
分别对λ,x1,x2,…,xd求偏导得到:
解得:
x1=x2=…=xd=(n-1)/d (5)
由公式(5)可以看出,节点删除后所有网络分支节点数都等于(n-1)/d时,函数f取得最大值,此时网络的破坏程度最大;
C2.定义(n-1)/d为网络分支节点数的最优值,表示为xb;
对于网络中的所有节点,并不是每个节点删除后剩余网络的所有网络分支节点数都等于xb,但是当所有网络分支节点数与xb的标准差σ越小时,所有网络分支节点数就会越接近于xb,网络分离的程度就会越大,σ的表达式为:
当网络节点删除后,网络分支数为1时,网络的分离程度为0;
C3.定义β(0<β≤1)为节点删除后网络拓扑离散程度,则有:
可见,不同节点删除后,当剩余网络拓扑结构具有相同的节点数、分支数时,节点删除后网络拓扑离散程度越大,对网络的连通破坏性就越大,节点的关键性越强。
C4.综上C1、C2、C3可见,在k跳范围内利用删除法对Ad Hoc网络进行关键节点识别时,节点的关键性与节点删除后剩余网络的拓扑离散程度β、节点数N、分支数d是相关的,k跳范围内节点删除后剩余网络的拓扑离散程度β、节点数N、分支数d之间的关系为:
CN=β×N×d (8)
CN表示节点的关键程度,CN越大,表示节点越关键;
由式(8)可以看出,融合删除法对Ad Hoc网络进行关键节点识别时,一个节点的关键性取决于节点删除后剩余网络的拓扑离散程度、节点数、分支数的大小。
Claims (1)
1.一种融合删除法的Ad Hoc网络关键节点识别方法,其特征在于,包括以下步骤:
A.设图G=(V,L)是由n个节点、m条链路组成的无权无向网络,其中V={v1,v2,…,vn}是网络中所有节点的集合,L={l1,l2,…,lm}是所有节点间链路的集合;
B.定义网络节点的k跳范围、k跳局部关键节点、分割点和k跳分割点;
节点的k跳范围是指节点在其最短路径小于等于k跳所能到达的所有节点组成的区域范围,其构成的拓扑结构包括节点k跳范围内的所有节点和这些节点之间存在的所有链路;
k跳局部关键节点是指k跳范围内的关键节点,并且当k跳范围所包含的节点数目等于n时,称这类关键节点为全局关键节点;若节点vi不是k跳范围内的关键节点,则节点vi必定不是全局关键节点;
对于整个网络的拓扑结构,节点删除后能使网络分割为至少两个相对独立分支的节点称为分割点;在所有k跳范围内,节点删除后能使网络分割为至少两个相对独立分支的节点称为k跳分割点;
C.任意删除某些网络节点,分析单个网络节点删除后形成的所有分支节点数的相互关系造成的不能相通节点的数量,造成的不能相通的节点的数量越多,破坏性越强,该节点的关键性越强;
C1.求解某些节点删除后造成的不能相通的节点数;
设:网络一个节点删除后,形成了d个分支,每个分支的节点数为{x1,x2,…,xd},节点删除后造成的不能相通的节点对记为f,当f越大时,不能相通的节点对越多,网络连通性破坏越严重,其构造的数学模型表达式为:
f=x1x2+x1x3+x1x4+…+xd-1xd (1)
Φ=x1+x2+…+xd-n+1 (2)
要使网络的连通性破坏最大就是使得函数f在Φ=0的条件下求得最大值,由数学分析可知,函数f在条件Φ=0下的极大值即是函数的最大值;
利用拉格朗日乘数法来求解函数f的极大值:
La=f+λΦ (3)
La是构造的拉格朗日函数,λ为拉格朗日乘数;
分别对λ,x1,x2,…,xd求偏导得到:
解得:
x1=x2=…=xd=(n-1)/d (5)
由公式(5)可以看出,节点删除后所有网络分支节点数都等于(n-1)/d时,函数f取得最大值,此时网络的破坏程度最大;
C2.定义(n-1)/d为网络分支节点数的最优值,表示为xb;
对于网络中的所有节点,并不是每个节点删除后剩余网络的所有网络分支节点数都等于xb,但是当所有网络分支节点数与xb的标准差σ越小时,所有网络分支节点数就会越接近于xb,网络分离的程度就会越大,σ的表达式为:
当网络节点删除后,网络分支数为1时,网络的分离程度为0;
C3.定义β(0<β≤1)为节点删除后网络拓扑离散程度,则有:
可见,不同节点删除后,当剩余网络拓扑结构具有相同的节点数、分支数时,节点删除后网络拓扑离散程度越大,对网络的连通破坏性就越大,节点的关键性越强。
C4.综上C1、C2、C3可见,在k跳范围内利用删除法对Ad Hoc网络进行关键节点识别时,节点的关键性与节点删除后剩余网络的拓扑离散程度β、节点数N、分支数d是相关的,k跳范围内节点删除后剩余网络的拓扑离散程度β、节点数N、分支数d之间的关系为:
CN=β×N×d (8)
CN表示节点的关键程度,CN越大,表示节点越关键;
由式(8)可以看出,融合删除法对Ad Hoc网络进行关键节点识别时,一个节点的关键性取决于节点删除后剩余网络的拓扑离散程度、节点数、分支数的大小。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710053067.5A CN106912040B (zh) | 2017-01-24 | 2017-01-24 | 一种融合删除法的Ad Hoc网络关键节点识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710053067.5A CN106912040B (zh) | 2017-01-24 | 2017-01-24 | 一种融合删除法的Ad Hoc网络关键节点识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106912040A true CN106912040A (zh) | 2017-06-30 |
CN106912040B CN106912040B (zh) | 2020-05-15 |
Family
ID=59206614
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710053067.5A Expired - Fee Related CN106912040B (zh) | 2017-01-24 | 2017-01-24 | 一种融合删除法的Ad Hoc网络关键节点识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106912040B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110263264A (zh) * | 2019-06-28 | 2019-09-20 | 南昌航空大学 | 一种获取社会网络关键节点的方法 |
CN111444667A (zh) * | 2018-12-29 | 2020-07-24 | 杭州广立微电子有限公司 | 一种快速删除gdsii文件中晶体管数据的方法 |
CN113411197A (zh) * | 2021-04-28 | 2021-09-17 | 西安电子科技大学 | 一种无先验拓扑信息的非合作关键节点识别方法 |
CN117456738A (zh) * | 2023-12-26 | 2024-01-26 | 四川云控交通科技有限责任公司 | 一种基于etc门架数据的高速公路交通量预测方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102880799A (zh) * | 2012-09-24 | 2013-01-16 | 西北工业大学 | 一种基于多属性决策的复杂网络节点重要度综合评价方法 |
EP2568664A1 (en) * | 2011-09-12 | 2013-03-13 | Honeywell International Inc. | Apparatus and method for detecting critical nodes and critical links in a multi-hop network |
US20130163407A1 (en) * | 2011-12-21 | 2013-06-27 | Honeywell International Inc. | System and method for determining network element criticality |
CN103227731A (zh) * | 2013-04-23 | 2013-07-31 | 西北工业大学 | 基于改进“结构洞”的复杂网络节点重要性局部计算方法 |
CN103326899A (zh) * | 2013-06-16 | 2013-09-25 | 周健 | 一种基于网络异质性的加权网络节点重要度评估方法 |
-
2017
- 2017-01-24 CN CN201710053067.5A patent/CN106912040B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2568664A1 (en) * | 2011-09-12 | 2013-03-13 | Honeywell International Inc. | Apparatus and method for detecting critical nodes and critical links in a multi-hop network |
US20130163407A1 (en) * | 2011-12-21 | 2013-06-27 | Honeywell International Inc. | System and method for determining network element criticality |
CN102880799A (zh) * | 2012-09-24 | 2013-01-16 | 西北工业大学 | 一种基于多属性决策的复杂网络节点重要度综合评价方法 |
CN103227731A (zh) * | 2013-04-23 | 2013-07-31 | 西北工业大学 | 基于改进“结构洞”的复杂网络节点重要性局部计算方法 |
CN103326899A (zh) * | 2013-06-16 | 2013-09-25 | 周健 | 一种基于网络异质性的加权网络节点重要度评估方法 |
Non-Patent Citations (8)
Title |
---|
MILENKO JORGIC,ET.AL.: "Localized Algorithms for Detection of Critical Nodes and Links for Connectivity in Ad Hoc Networks", 《THE THIRD ANNUAL IFIP MEDITERRANEAN AD HOC NETWORKING WORKSHOP》 * |
YING LIU,ET.AL.: "Identify influential spreaders in complex real-world networks", 《UIC-ATC-SCALCOM-CBDCOM-IOP 2015》 * |
ZONG-WEN LIANG,ET.AL.: "IDENTIFYING AND RANKING INFLUENTIAL SPREADERS IN COMPLEX NETWORKS", 《2014 11TH INTERNATIONAL COMPUTER CONFERENCE ON WAVELET ACTIEV MEDIA TECHNOLOGY AND INFORMATION PROCESSING》 * |
刘卓超: "Ad Hoc网络关键节点选取及安全路由协议研究", 《中国优秀硕士学位论文全文数据库》 * |
叶春森等: "网络节点重要度评价方法研究", 《统计与决策》 * |
袁荣坤等: "节点重要度的网络抗毁性评估方法", 《火力与指挥控制》 * |
谭跃进等: "复杂网络中节点重要度评估的节点收缩方法", 《系统工程理论与实践》 * |
邵晨: "机会网络关键节点预测算法的研究", 《中国优秀硕士学位论文全文数据库》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111444667A (zh) * | 2018-12-29 | 2020-07-24 | 杭州广立微电子有限公司 | 一种快速删除gdsii文件中晶体管数据的方法 |
CN111444667B (zh) * | 2018-12-29 | 2023-03-21 | 杭州广立微电子股份有限公司 | 一种快速删除gdsii文件中晶体管数据的方法 |
CN110263264A (zh) * | 2019-06-28 | 2019-09-20 | 南昌航空大学 | 一种获取社会网络关键节点的方法 |
CN110263264B (zh) * | 2019-06-28 | 2021-04-27 | 南昌航空大学 | 一种获取社会网络关键节点的方法 |
CN113411197A (zh) * | 2021-04-28 | 2021-09-17 | 西安电子科技大学 | 一种无先验拓扑信息的非合作关键节点识别方法 |
CN117456738A (zh) * | 2023-12-26 | 2024-01-26 | 四川云控交通科技有限责任公司 | 一种基于etc门架数据的高速公路交通量预测方法 |
CN117456738B (zh) * | 2023-12-26 | 2024-02-27 | 四川云控交通科技有限责任公司 | 一种基于etc门架数据的高速公路交通量预测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106912040B (zh) | 2020-05-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106912040A (zh) | 一种融合删除法的AdHoc网络关键节点识别方法 | |
Mathew et al. | Strongest Strong Cycles and $\theta $-Fuzzy Graphs | |
CN111737535B (zh) | 一种基于元结构和图神经网络的网络表征学习方法 | |
CN112700056A (zh) | 复杂网络链路预测方法、装置、电子设备及介质 | |
CN112217674B (zh) | 基于因果网络挖掘和图注意力网络的告警根因识别方法 | |
CN111832417A (zh) | 基于cnn-lstm模型和迁移学习的信号调制样式识别方法 | |
CN115208680B (zh) | 一种基于图神经网络的动态网络风险预测方法 | |
CN106027399B (zh) | 一种通信网关键链路识别方法 | |
CN108062860A (zh) | 基于拥塞传播分析的道路瓶颈识别方法及其系统 | |
CN113297429B (zh) | 一种基于神经网络架构搜索的社交网络链路预测方法 | |
CN112036445A (zh) | 基于神经张量网络的跨社交网络用户身份识别方法 | |
CN110019519A (zh) | 数据处理方法、装置、存储介质和电子装置 | |
CN102708327A (zh) | 一种基于谱优化的网络社区发现方法 | |
CN110826699A (zh) | 一种基于梯度的图神经网络可解释性分析方法 | |
CN104462773B (zh) | 一种用于生物多样性保护的河流网络构建方法及其应用 | |
CN115622903B (zh) | 一种基于网络结构的电信网节点重要度计算方法 | |
Shahraki et al. | An outlier detection method to improve gathered datasets for network behavior analysis in IoT | |
CN106878067A (zh) | 一种动态AdHoc网络关键节点识别方法 | |
Huang et al. | An intelligent system for advanced dynamic security assessment | |
CN105228185A (zh) | 一种用于识别通信网络中模糊冗余节点身份的方法 | |
CN110399485A (zh) | 基于词向量和机器学习的数据溯源方法和系统 | |
CN106981194A (zh) | 一种高速路网关键路段的识别方法 | |
CN107086925A (zh) | 一种基于深度学习的互联网流量大数据分析方法 | |
CN106875043B (zh) | 一种基于gn分裂算法的节点迁移网络分块优化方法 | |
Li et al. | Dynamic trustworthiness overlapping community discovery in mobile internet of things |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20200515 Termination date: 20210124 |
|
CF01 | Termination of patent right due to non-payment of annual fee |