CN107563758A - 一种解决金融信审业务中惯犯诈骗的检测方法与系统 - Google Patents
一种解决金融信审业务中惯犯诈骗的检测方法与系统 Download PDFInfo
- Publication number
- CN107563758A CN107563758A CN201710586505.4A CN201710586505A CN107563758A CN 107563758 A CN107563758 A CN 107563758A CN 201710586505 A CN201710586505 A CN 201710586505A CN 107563758 A CN107563758 A CN 107563758A
- Authority
- CN
- China
- Prior art keywords
- user
- black list
- business
- swindles
- list user
- 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.)
- Pending
Links
Landscapes
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明公开了一种解决金融信审业务中惯犯诈骗的检测方法，包括以下步骤：步骤S10、构建黑名单用户的声纹库；步骤S20、构建语音测谎模型；步骤S30、根据黑名单用户的声纹库或语音测谎模型判断用户是否为黑名单用户或/且用户是否存在说谎行为；步骤S40、构建话术语料库；步骤S50、根据话术语料库对用户实时评分；其系统包括第一构建模块、第二构建模块、监测判断模块、第三构建模块和评分模块。本发明在不影响效率的情况下提高用户身份识别准确率，预防金融诈骗犯罪，减少财产资源损失，并且能够适用于金融领域中的服务场景。
Description
技术领域
本发明涉及金融领域，涉及一种解决金融信审业务中惯犯诈骗的检测方法与系统。
背景技术
信用卡现在已经应用非常普遍，同一个人拥有多家银行的多张信用卡现象也很常见。一方面是银行为了拓展自身的业务量，另一方面也有个人因信用卡额度不够或者失信而多开设账户的情况。其中因个人失信而开设多个账户的情况，在各个银行机构都是不允许的，在审查时如果发现会被拒绝开户，因此，各个银行机构都有自己的失信用户黑名单。
目前随着科技的发展及为了提高工作效率，很多金融机构在审核业务时开始采用电话等方式，就这使得“黑中介”应势而生了。所谓黑中介，即是帮助一些用户(含大量失信用户)去办理金融业务，如信用卡、信用贷款等，他们熟悉研究了金融机构的工作流程和方法后，帮助用户伪造信息欺骗金融机构，而金融机构又难以识别出来，不仅降低工作人员的效率，而且造成失信用户的管理漏洞以及后续的资产流失，对金融领域中各项服务造成严重的影响。
有鉴于此，本发明人专门设计了一种解决金融信审业务中惯犯诈骗的检测方法与系统，本案由此产生。
发明内容
本发明的目的在于提供一种解决金融信审业务中惯犯诈骗的检测方法与系统，以在不影响效率的情况下提高用户身份识别准确率，预防金融诈骗犯罪，减少财产资源损失，并且能够适用于金融领域中的服务场景。
为了实现上述目的，本发明采用的技术方案如下：
一种解决金融信审业务中惯犯诈骗的检测方法，包括以下步骤：
步骤S10、根据黑名单用户的信息，构建黑名单用户的声纹库；
步骤S20、构建语音测谎模型；
步骤S30、实时监测和收集金融机构与用户通话过程中的声纹信息及语音内容，并根据黑名单用户的声纹库或语音测谎模型判断用户是否为黑名单用户或/且用户是否存在说谎行为；
步骤S40、若用户为黑名单用户或/且存在说谎行为，则构建话术语料库；
步骤S50、根据话术语料库对用户实时评分，并实时将评分结果反馈至金融机构，以供工作人员参考和判断。
所述步骤S10具体包括以下步骤：
步骤S11、收集黑名单用户通话过程中的语音样本；
步骤S12、注册黑名单用户的声纹身份信息；
步骤S13、形成黑名单用户的声纹库。
所述步骤S11中，金融机构与黑名单用户通话业务时，对其进行录音，得到黑名单用户的语音样本。
所述步骤S30中，通过记录附着在被测用户声音中的由声带肌肉微颤所生成的次声波，并对这种次声波变化的检测和分析来判断被测用户是否在说谎。
所述步骤S40具体包括以下步骤：
步骤S41、收集和整理金融机构与黑名单用户的通话记录；
步骤S42、自动学习黑名单用户的通话，并且形成话术语料库。
所述步骤S50中，对话术语料库中出现频率高的语句进行标注，并按照出现次数对其进行排名，再根据排名的高低对上述语句给予赋值，最后按照赋值对其进行评分。
所述步骤S50中，累计评分和设置阈值，当累计的评分达到阈值时，则发出提示给金融机构的工作人员。
所述步骤S50中，待查看评分明细后，根据话术语料库中出现频率高的的语句对用户进行针对性提问。
一种解决金融信审业务中惯犯诈骗的检测系统，包括：
第一构建模块，用于根据黑名单用户的信息，构建黑名单用户的声纹库；
第二构建模块，用于构建语音测谎模型；
监测判断模块，用于实时监测和收集金融机构与用户通话过程中的声纹信息及语音内容，并根据黑名单用户的声纹库或语音测谎模型判断用户是否为黑名单用户或/且用户是否存在说谎行为；
第三构建模块，用于在用户为黑名单用户或/且存在说谎行为时，构建话术语料库；
评分模块，根据话术语料库对用户实时评分，并实时将评分结果反馈至金融机构，以供工作人员参考和判断。
解决金融信审业务中惯犯诈骗的检测系统还包括次声波检测模块，其通过记录附着在被测用户声音中的由声带肌肉微颤所生成的次声波，并对这种次声波变化的检测和分析来判断被测用户是否在说谎。
采用上述方案后，本发明具有以下几个优点：
一、本发明构思新颖，设计合理，多种检测方式同时使用且相互配合，在不影响效率的情况下提高用户身份识别准确率；
二、本发明能够预防金融诈骗犯罪，减少金融机构及社会财产资源损失，具有良好的推广价值；
三、本发明使用范围广泛，适用性强，不仅可用于银行的信用卡办理、信用贷款等业务，还可用于保险理赔、售后服务等多种场景中。
以下结合附图和具体实施方式对本发明做进一步说明。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本发明的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1是本发明的流程图。
具体实施方式
为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚、明白，以下结合附图及实施例对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
如图1所示，本发明揭示的一种解决金融信审业务中惯犯诈骗的检测方法，包括以下步骤：
步骤S10、根据黑名单用户的信息，构建黑名单用户的声纹库；其中，黑名单用户为失信用户以及已经被发现或被证实的黑中介人员；
步骤S20、构建语音测谎模型；
步骤S30、实时监测和收集金融机构与用户通话过程中的声纹信息及语音内容，并根据黑名单用户的声纹库或语音测谎模型判断用户是否为黑名单用户或/且用户是否存在说谎行为；
步骤S40、若用户为黑名单用户或/且存在说谎行为，则构建话术语料库；
步骤S50、根据话术语料库对用户实时评分，并实时将评分结果反馈至金融机构，以供工作人员参考和判断。
进一步地，所述步骤S10具体包括以下步骤：
步骤S11、收集黑名单用户通话过程中的语音样本；
步骤S12、注册黑名单用户的声纹身份信息；
步骤S13、形成黑名单用户的声纹库。
其中，所述步骤S11中，金融机构与黑名单用户通话业务时，对其进行录音，得到黑名单用户的语音样本。
在本实施例中，所述步骤S30中，通过记录附着在被测用户声音中的由声带肌肉微颤所生成的次声波，并对这种次声波变化的检测和分析来判断被测用户是否在说谎。由于人在说谎话的时候，精神和身体会紧张，在紧张状态下则会产生肌肉微颤现象，其频率为8-14Hz，这一微颤现象附着在人说话的语音中传播出来，会使语音次声波发生变化。以此建立语音测谎模型，若检测的次声波频率为8-14Hz，则可判断用户存在说谎行为；
具体地，所述步骤S40包括以下步骤：
步骤S41、收集和整理金融机构与黑名单用户的通话记录，通话记录中通常具有中介机构成套的话术；
步骤S42、自动学习黑名单用户的通话，并且形成话术语料库。
为了提高用户身份识别准确率，所述步骤S50中，对话术语料库中出现频率高的语句进行标注，并按照出现次数对其进行排名，再根据排名的高低对上述语句给予赋值，最后按照赋值对其进行评分。
现举例如下：
工作人员：您有在银行贷过款吗？如信用卡、房贷或者车贷。
用户：有。
工作人员：那您的还款情况怎么样？
用户：还款情况良好。
此处用户的回答比较常见的是会描述具体还款细节，或者因为不知道如何回答而比较含糊，能够快速反应并简单明了的回答出“还款情况良好”的，一般属于有业务较为熟悉的用户(根据积累形成的话术语料库)，当识别到此句与话术语料库中一致的回答时，则按照计分规则给予评分。
又例如：
工作人员：您的月收入大概有多少？
用户：8000元。
工作人员：工资是银行发放，还是现金发放？
用户：现金。
黑名单用户因其熟知工作流程，所以在回答此问题时首先会把收入定在一个比较高的层次，以满足金融机构的门槛。其次发放方式选择现金，因为没办法通过银行的流水记录查询其回答的真实性。此种回答方式在黑名单用户留下的对话数据中出现机率较高，所以当系统识别到新用户回答方式与语料库中相同或相近时，则按照规则给予评分。
优选地，所述步骤S50中，还可以累计评分和设置阈值，当累计的评分达到阈值时，则自动发出提示给金融机构的工作人员。
所述步骤S50中，待查看评分明细后，根据话术语料库中出现频率高的的语句对用户进行针对性提问，以更加准确的判断用户是否存在欺骗行为。
本发明还揭示了一种解决金融信审业务中惯犯诈骗的检测系统，包括：
第一构建模块，用于根据黑名单用户的信息，构建黑名单用户的声纹库；
第二构建模块，用于构建语音测谎模型；
监测判断模块，用于实时监测和收集金融机构与用户通话过程中的声纹信息及语音内容，并根据黑名单用户的声纹库或语音测谎模型判断用户是否为黑名单用户或/且用户是否存在说谎行为；
第三构建模块，用于在用户为黑名单用户或/且存在说谎行为时，构建话术语料库；
评分模块，根据话术语料库对用户实时评分，并实时将评分结果反馈至金融机构，以供工作人员参考和判断。
为了进一步提高用户身份识别准确率，解决金融信审业务中惯犯诈骗的检测系统还包括次声波检测模块，其通过记录附着在被测用户声音中的由声带肌肉微颤所生成的次声波，并对这种次声波变化的检测和分析来判断被测用户是否在说谎。
在本实施例中，解决金融信审业务中惯犯诈骗的检测系统还包括录音模块，该录音模块用于在金融机构与黑名单用户通话业务时，对其进行录音，得到黑名单用户的语音样本。
优选地，解决金融信审业务中惯犯诈骗的检测系统还包括一具有学习功能的机器人，利用该机器人学习黑名单用户的通话，并且形成话术语料库。上述机器人有多种，可以为现有技术，以实现大数据构建功能。
为了提高用户身份识别准确率，解决金融信审业务中惯犯诈骗的检测系统还包括标注赋值模块，该标注赋值模块用于对话术语料库中出现频率高的语句进行标注，并按照出现次数对其进行排名，再根据排名的高低对上述语句给予赋值，最后按照赋值对其进行评分。
进一步地，解决金融信审业务中惯犯诈骗的检测系统还包括阈值模块，阈值模块用于累计评分和设置阈值，当累计的评分达到阈值时，则发出提示给金融机构的工作人员。
同时，解决金融信审业务中惯犯诈骗的检测系统还包括评分明细模块，金融机构的工作人员可通过评分明细模块查看评分明细，并根据话术语料库中出现频率高的的语句对用户进行针对性提问。
本发明具有以下几个优点：
一、本发明构思新颖，设计合理，多种检测方式同时使用且相互配合，在不影响效率的情况下提高用户身份识别准确率；
二、本发明能够预防金融诈骗犯罪，减少金融机构及社会财产资源损失，具有良好的推广价值；
三、本发明使用范围广泛，适用性强，不仅可用于银行的信用卡办理、信用贷款等业务，还可用于保险理赔、售后服务等多种场景中。
上述实施例和图式并非限定本发明的产品形态和式样，任何所属技术领域的普通技术人员对其所做的适当变化或修饰，皆应视为不脱离本发明的专利范畴。
Claims (10)
1.一种解决金融信审业务中惯犯诈骗的检测方法，其特征在于，包括以下步骤：
步骤S10、根据黑名单用户的信息，构建黑名单用户的声纹库；
步骤S20、构建语音测谎模型；
步骤S30、实时监测和收集金融机构与用户通话过程中的声纹信息及语音内容，并根据黑名单用户的声纹库或语音测谎模型判断用户是否为黑名单用户或/且用户是否存在说谎行为；
步骤S40、若用户为黑名单用户或/且存在说谎行为，则构建话术语料库；
步骤S50、根据话术语料库对用户实时评分，并实时将评分结果反馈至金融机构，以供工作人员参考和判断。
2.根据权利要求1所述的一种解决金融信审业务中惯犯诈骗的检测方法，其特征在于，所述步骤S10具体包括以下步骤：
步骤S11、收集黑名单用户通话过程中的语音样本；
步骤S12、注册黑名单用户的声纹身份信息；
步骤S13、形成黑名单用户的声纹库。
3.根据权利要求2所述的一种解决金融信审业务中惯犯诈骗的检测方法，其特征在于：所述步骤S11中，金融机构与黑名单用户通话业务时，对其进行录音，得到黑名单用户的语音样本。
4.根据权利要求1所述的一种解决金融信审业务中惯犯诈骗的检测方法，其特征在于：所述步骤S30中，通过记录附着在被测用户声音中的由声带肌肉微颤所生成的次声波，并对这种次声波变化的检测和分析来判断被测用户是否在说谎。
5.根据权利要求1所述的一种解决金融信审业务中惯犯诈骗的检测方法，其特征在于：所述步骤S40具体包括以下步骤：
步骤S41、收集和整理金融机构与黑名单用户的通话记录；
步骤S42、自动学习黑名单用户的通话，并且形成话术语料库。
6.根据权利要求1所述的一种解决金融信审业务中惯犯诈骗的检测方法，其特征在于：所述步骤S50中，对话术语料库中出现频率高的语句进行标注，并按照出现次数对其进行排名，再根据排名的高低对上述语句给予赋值，最后按照赋值对其进行评分。
7.根据权利要求6所述的一种解决金融信审业务中惯犯诈骗的检测方法，其特征在于：所述步骤S50中，累计评分和设置阈值，当累计的评分达到阈值时，则发出提示给金融机构的工作人员。
8.根据权利要求6所述的一种解决金融信审业务中惯犯诈骗的检测方法，其特征在于：所述步骤S50中，待查看评分明细后，根据话术语料库中出现频率高的的语句对用户进行针对性提问。
9.一种解决金融信审业务中惯犯诈骗的检测系统，其特征在于，包括：
第一构建模块，用于根据黑名单用户的信息，构建黑名单用户的声纹库；
第二构建模块，用于构建语音测谎模型；
监测判断模块，用于实时监测和收集金融机构与用户通话过程中的声纹信息及语音内容，并根据黑名单用户的声纹库或语音测谎模型判断用户是否为黑名单用户或/且用户是否存在说谎行为；
第三构建模块，用于在用户为黑名单用户或/且存在说谎行为时，构建话术语料库；
评分模块，根据话术语料库对用户实时评分，并实时将评分结果反馈至金融机构，以供工作人员参考和判断。
10.根据权利要求9所述的一种解决金融信审业务中惯犯诈骗的检测系统，其特征在于：还包括次声波检测模块，其通过记录附着在被测用户声音中的由声带肌肉微颤所生成的次声波，并对这种次声波变化的检测和分析来判断被测用户是否在说谎。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710586505.4A CN107563758A (zh) | 2017-07-18 | 2017-07-18 | 一种解决金融信审业务中惯犯诈骗的检测方法与系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710586505.4A CN107563758A (zh) | 2017-07-18 | 2017-07-18 | 一种解决金融信审业务中惯犯诈骗的检测方法与系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107563758A true CN107563758A (zh) | 2018-01-09 |
Family
ID=60973641
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710586505.4A Pending CN107563758A (zh) | 2017-07-18 | 2017-07-18 | 一种解决金融信审业务中惯犯诈骗的检测方法与系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107563758A (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108269576A (zh) * | 2018-02-13 | 2018-07-10 | 福州外语外贸学院 | 一种学生课堂表现的评分方法及终端 |
| CN109215680A (zh) * | 2018-08-16 | 2019-01-15 | 公安部第三研究所 | 一种基于卷积神经网络的语音还原方法 |
| CN109767076A (zh) * | 2018-12-17 | 2019-05-17 | 平安科技（深圳）有限公司 | 黑名单的生成及筛查方法、装置、计算机设备和存储介质 |
| CN109918552A (zh) * | 2019-01-23 | 2019-06-21 | 平安科技（深圳）有限公司 | 恶意群诉倾向人员识别方法、服务器及计算机可读存储介质 |
| CN110718228A (zh) * | 2019-10-22 | 2020-01-21 | 中信银行股份有限公司 | 语音分离方法、装置、电子设备及计算机可读存储介质 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101999902A (zh) * | 2009-09-03 | 2011-04-06 | 上海天岸电子科技有限公司 | 声纹测谎仪及声纹测谎方法 |
| CN103179122A (zh) * | 2013-03-22 | 2013-06-26 | 马博 | 一种基于语音语义内容分析的防电信电话诈骗方法和系统 |
| CN103458412A (zh) * | 2012-06-04 | 2013-12-18 | 百度在线网络技术（北京）有限公司 | 防止电话诈骗的系统、方法及移动终端、云端分析服务器 |
| CN103685613A (zh) * | 2013-12-05 | 2014-03-26 | 江苏大学 | 一种基于语音识别的防电话诈骗系统及其方法 |
| CN103700371A (zh) * | 2013-12-13 | 2014-04-02 | 江苏大学 | 一种基于声纹识别的来电身份识别系统及其识别方法 |
| CN103731832A (zh) * | 2013-12-26 | 2014-04-16 | 黄伟 | 防电话、短信诈骗的系统和方法 |
| CN104040557A (zh) * | 2012-01-17 | 2014-09-10 | 比特梵德知识产权管理有限公司 | 在线诈骗检测动态评分集合系统和方法 |
-
2017
- 2017-07-18 CN CN201710586505.4A patent/CN107563758A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101999902A (zh) * | 2009-09-03 | 2011-04-06 | 上海天岸电子科技有限公司 | 声纹测谎仪及声纹测谎方法 |
| CN104040557A (zh) * | 2012-01-17 | 2014-09-10 | 比特梵德知识产权管理有限公司 | 在线诈骗检测动态评分集合系统和方法 |
| CN103458412A (zh) * | 2012-06-04 | 2013-12-18 | 百度在线网络技术（北京）有限公司 | 防止电话诈骗的系统、方法及移动终端、云端分析服务器 |
| CN103179122A (zh) * | 2013-03-22 | 2013-06-26 | 马博 | 一种基于语音语义内容分析的防电信电话诈骗方法和系统 |
| CN103685613A (zh) * | 2013-12-05 | 2014-03-26 | 江苏大学 | 一种基于语音识别的防电话诈骗系统及其方法 |
| CN103700371A (zh) * | 2013-12-13 | 2014-04-02 | 江苏大学 | 一种基于声纹识别的来电身份识别系统及其识别方法 |
| CN103731832A (zh) * | 2013-12-26 | 2014-04-16 | 黄伟 | 防电话、短信诈骗的系统和方法 |
Non-Patent Citations (1)
| Title |
|---|
| 宋远升: "《刑事诉讼的冲突与衡平-以具体程序和制度为平台》", 31 March 2009 * |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108269576A (zh) * | 2018-02-13 | 2018-07-10 | 福州外语外贸学院 | 一种学生课堂表现的评分方法及终端 |
| CN109215680A (zh) * | 2018-08-16 | 2019-01-15 | 公安部第三研究所 | 一种基于卷积神经网络的语音还原方法 |
| CN109215680B (zh) * | 2018-08-16 | 2020-06-30 | 公安部第三研究所 | 一种基于卷积神经网络的语音还原方法 |
| CN109767076A (zh) * | 2018-12-17 | 2019-05-17 | 平安科技（深圳）有限公司 | 黑名单的生成及筛查方法、装置、计算机设备和存储介质 |
| CN109918552A (zh) * | 2019-01-23 | 2019-06-21 | 平安科技（深圳）有限公司 | 恶意群诉倾向人员识别方法、服务器及计算机可读存储介质 |
| CN109918552B (zh) * | 2019-01-23 | 2024-03-12 | 平安科技（深圳）有限公司 | 恶意群诉倾向人员识别方法、服务器及计算机可读存储介质 |
| CN110718228A (zh) * | 2019-10-22 | 2020-01-21 | 中信银行股份有限公司 | 语音分离方法、装置、电子设备及计算机可读存储介质 |
| CN110718228B (zh) * | 2019-10-22 | 2022-04-12 | 中信银行股份有限公司 | 语音分离方法、装置、电子设备及计算机可读存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11908016B2 (en) | Risk score-based anti-money laundering system | |
| US10109281B1 (en) | Enhanced fraud detection | |
| US8145562B2 (en) | Apparatus and method for fraud prevention | |
| US8311826B2 (en) | Method and system for screening using voice data and metadata | |
| US11800014B2 (en) | Method and system for proactive fraudster exposure in a customer service channel | |
| Choi et al. | Voice phishing fraud and its modus operandi | |
| CN107918913A (zh) | 银行业务处理方法、装置以及系统 | |
| US8527418B2 (en) | Risk analysis of money transfer transactions | |
| US20070280436A1 (en) | Method and System to Seed a Voice Database | |
| CN107563758A (zh) | 一种解决金融信审业务中惯犯诈骗的检测方法与系统 | |
| CN111861732A (zh) | 一种风险评估系统及方法 | |
| CN107197463A (zh) | 一种电话诈骗的检测方法、存储介质及电子设备 | |
| CN108985776A (zh) | 基于多重信息验证的信用卡安全监测方法 | |
| CN103971700A (zh) | 语音监控方法及装置 | |
| US20170161745A1 (en) | Payment account fraud detection using social media heat maps | |
| CN110209841A (zh) | 一种基于诈骗案件案情的诈骗分析方法及装置 | |
| CN111553701A (zh) | 一种基于会话的风险交易确定方法和装置 | |
| CN107835247A (zh) | 一种信用认证、保障系统及方法 | |
| Manish et al. | Card-Less ATM Transaction using Biometric and Face Recognition–A Review | |
| Tzani-Pepelasi et al. | Profiling HMRC and IRS scammers by utilizing trolling videos: Offender characteristics | |
| Rahman | Phone Call Speaker Classification using Machine Learning on MFCC Features for Scam Detection | |
| Maniar et al. | A Forensic Psychological Study for Detection of Deception in Financial Fraud Calls on Layered Voice Analysis (LVATm) | |
| Narayanan et al. | A study on customer’s knowledge about the green banking initiatives of selected public sector banks in Madurai district | |
| Marakalala | Forensic Intelligence: The Effectiveness of the Biometric-based Solution to Combat Mobile Fraud | |
| Ik-Iloanusi et al. | Conversational Analysis of Scam Calls in Nigeria |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180109 |