CN108182401A - 一种基于聚合块信息的安全虹膜识别方法 - Google Patents
一种基于聚合块信息的安全虹膜识别方法 Download PDFInfo
- Publication number
- CN108182401A CN108182401A CN201711447065.0A CN201711447065A CN108182401A CN 108182401 A CN108182401 A CN 108182401A CN 201711447065 A CN201711447065 A CN 201711447065A CN 108182401 A CN108182401 A CN 108182401A
- Authority
- CN
- China
- Prior art keywords
- iris
- server
- user
- distance
- data
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/18—Eye characteristics, e.g. of the iris
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
- G06F21/31—User authentication
- G06F21/32—User authentication using biometric data, e.g. fingerprints, iris scans or voiceprints
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computer Security & Cryptography (AREA)
- Ophthalmology & Optometry (AREA)
- Human Computer Interaction (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- General Health & Medical Sciences (AREA)
- Computer Hardware Design (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Collating Specific Patterns (AREA)
Abstract
本发明涉及一种基于聚合块信息的安全虹膜识别方法,包括:用户C发送虹膜数据给服务器判断虹膜数据是否有效;如果用户C的虹膜数据有效,则服务器S在本地将虹膜数据划分为块并获取每个模块的聚合信息,返回注册成功信息;用户C获取实施的虹膜数据t’,把它按照与注册过程中相同的转化方法转化为虹膜特征模板x’;用户C发送虹膜特征模板x’给服务器S,服务器S接收x’并且与数据库中的虹膜模板作对比,计算它们之间的距离,如果某一个虹膜模板y与x’的距离小于一个阙值R,则认为x’是一个合法的虹膜模板,服务器S授权用户C使用系统资源。本发明能够满足三大基本性安全要求,并且可以支持移位和掩码策略来得到良好的识别性能。
Description
技术领域
本发明属于隐私保护与安全领域,具体涉及利用聚类块信息对传统虹膜识别方法进行改进形成一种能够支持移位和掩码策略的基于聚合块信息的安全虹膜识别方法。
背景技术
近年来,生物识别技术已被广泛应用,但同时也为用户带来潜在的隐私威胁,因为用户可以被生物数据精准定位。虹膜识别是最受欢迎的生物特征之一,它比其他生物识别技术更为稳定和易于处理。大部分人一生中虹膜数据都会保持不变,一旦虹膜数据被泄露,后果是无可挽回的,所以,保护虹膜数据的隐私是十分重要的。
安全虹膜识别旨在保护用户虹膜数据的隐私,同时也支持有效的虹膜识别。现有的许多安全虹膜识别方法大多是基于模糊承诺体制,模糊金库体制,模糊草图,biohashing,模糊提取,非可逆变换等。但是,这些方法都被证明有泄露虹膜数据隐私的风险。并且,现有的大多数安全虹膜识别方法都不满足国际标准ISO/IEC 24745中所规定的生物特征模板保护方法应满足的三大基本安全性要求,即不可逆性、可撤销性和不可连接性。
通常在虹膜识别中使用移位策略来处理捕获虹膜图像时不正确头部旋转造成的噪音和不完善的标准化处理。当对传统的虹膜识别应用移位策略时,二进制虹膜串被循环移位以达到最佳匹配效果。假设原始虹膜数据是t1...tm,m是虹膜串的长度,ns是移位的长度,则t与实时串t’之间的汉明距离为:
在虹膜识别中,可以标记由可预见的错误或器件缺陷引起的一些噪声,并且通过掩码,我们可以在匹配过程中绕过这些噪声以增强识别性能。在掩码策略中,用0标志噪音,kn是指t,t′都没有噪音的位数,tm,tm′分别是t,t′的掩码,也就是说,
这时,t与实时串t’之间的距离计算公式如下:
移位策略和掩码策略都能够有效地提高虹膜识别的性能,所以,提出一种满足生物特征模板保护方法的三大基本安全性要求并且能够支持移位和掩码策略的安全虹膜识别方法使很有必要的。
发明内容:
为了解决上述背景技术中提到的问题,本发明提出了一种能够支持移位和掩码策略的基于聚合块信息的安全虹膜识别方法。
为了解决上述技术问题本发明的所采用的技术方案为:
一种基于聚合块信息的安全虹膜识别方法,其特征在于,包括:
步骤1:用户C发送虹膜数据给服务器S判断虹膜数据是否有效;
步骤2:如果用户C的虹膜数据有效,则服务器S在服务器端将虹膜数据划分为块,得到每个模块的聚合信息,转化为虹膜特征模板并返回注册成功信息,具体是:
将虹膜数据t和P划分为n个块,记为t1...tn和P1...Pn,对于第i个模块ti,计算ti和Pi的距离xi;服务器删去原始的虹膜数据t,存储x到本地虹膜数据库;
在转化过程中,使用随机排列策略来增强所提出的方法的安全性;在随机排列策略中,把t划分为wn个字段,使用两个专用的参数I和w来保护隐私,其中I是{1...wn}的随机排列,有wn=m/w,其中w是每个字段的长度,m是整个虹膜串的长度;
具体是利用随机排列I=I1...Iwn构建J,对于i=1...n,j=1...l,有:
对于每一个字段i=1...wn,计算虹膜串与专用参数P之间的距离公式为:
步骤3:用户C得到实施的虹膜数据t’,转化为虹膜特征模板x’,具体是转化方法是:将实时的虹膜数据t’和P划分为n个块,记为t1′...tn′和P1...Pn,对于第i个模块ti’,计算ti’和Pi的距离xi’;服务器删去原始的虹膜数据t,存储x’到本地虹膜数据库;
步骤4:用户C发送虹膜特征模板x’给服务器S,服务器S接收x’并且与数据库中的虹膜模板作对比,计算它们之间的距离,如果某一个虹膜模板y与x’的距离小于一个阙值R,则认为x’是一个合法的虹膜模板,服务器S授权用户C使用系统资源。
在上述的一种基于聚合块信息的安全虹膜识别方法,所述步骤1中对虹膜数据进行有效性判断,如果无效,则服务器拒绝注册请求并返回“注册失败”的信息给用户C。
在上述的一种基于聚合块信息的安全虹膜识别方法,所述步骤4中用户C利用参数P将实时的虹膜数据t’转化为虹膜模板x’,发送给服务器S,服务器S接收x’并且与数据库中所存储的的虹膜模板作对比,计算它们之间的距离,如果某一个虹膜模板y与x’的距离小于一个阙值R,则认为x’是一个合法的虹膜模板,服务器S授权用户C使用系统资源;
计算虹膜模板x’与y的距离d的公式为:
其中|x′i-yi|代表x′i-yi的绝对值;
在识别过程中,可以应用移位策略,对二进制虹膜串进行循环移位以达到最佳匹配效果;在这里,服务器S存储的是每个模块的信息,所以在移位时,要按照模块大小的整数倍来移位。
在上述的一种基于聚合块信息的安全虹膜识别方法,所述步骤4中,定义服务器S存储的虹膜模板为x,用户C的实时虹膜串为x’,每一个虹膜字段的长度为l,ns是移位的位数,这里有ns=nb×l,在这里,计算x与x’之间的距离公式为:
在这里,也就是说,xi是通过将x移动i位得到的;
在识别过程中,使用掩码去除掉由于设备问题或可预见的错误造成的噪音;在这里,服务器S存储的是每个模块的信息,所以在掩码时,也要把掩码也划分为相应的模块得到聚合信息。
在上述的一种基于聚合块信息的安全虹膜识别方法,所述步骤4中,定义tm,tm′分别是t,t′的掩码,我们需要将tm,tm′划分为n个块,得到他们的聚合信息xm=xm1...xmn,计算公式如下:
tmi,j是第i个字段tmi的第j位;
所以当使用掩码策略的时候,x与x’之间的距离计算公式为:
在这里,kn是xm和xm’的值都为1的位数,如果kn等于0,则d将置为一个较大值(比如m);
当同时使用移位策略和掩码策略时,x与x’之间的计算公式为:
因此,本发明具有如下优点:1.本发明所提出的一种基于聚合块信息的安全虹膜识别方法能够满足三大基本性安全要求(不可逆性,可撤销性,不可连接性);2.本发明所提出的一种基于聚合块信息的安全虹膜识别方法可以支持移位和掩码策略来提高识别的性能;3.本发明所提出的一种基于聚合块信息的安全虹膜识别方法有良好的识别性能。
附图说明
图1为本发明实施例的系统结构示意图。
图2为本发明实施例的方法流程图。
具体实施方式
下面结合附图和实施例对本发明进行详细的描述,本实施例的基于聚合块信息的安全虹膜识别方法包括:
步骤1:用户C发送虹膜数据t给服务器进行注册。服务器判断虹膜数据是否有效,在这里可以采用多种虹膜评价质量度量方法,例如基于小波的虹膜图像质量度量方法,稀疏集中指数,基于径向对称变换的检测算法等。如果无效,则服务器拒绝注册请求并返回“注册失败”的信息给用户C。
步骤2,如果虹膜数据t有效,服务器S在本地将虹膜数据转化为虹膜特征模板。假设t为一个八位的二进制串11001010,参数P也为一个八位的二进制串01001000,具体的转化过程如下:
1)服务器S将虹膜数据t和P划分为4个块,记为t1...t4和P1...P4,由于t和P都是八位二进制串,所以每一个模块有2个二进制位。
2)对于第i个模块ti,计算ti和Pi的距离xi。计算公式如下:
在这里,ti,j,Pi,j分别表示ti和Pi的第i位。例如, 依次计算x1x2x3x4得到聚合后的信息,即转化后的虹膜特征模板x1x2x3x4为1001。
3)服务器S删去原始的虹膜数据t,存储x=1001到本地虹膜数据库。用户C变成一个合法的用户。
4)用户C接收参数P保存在用户端。
步骤3:用户C得到实时的虹膜数据t’,把它按照与注册过程中相同的转化方法转化为虹膜特征模板x’。具体的转化方法见步骤2。
步骤4:用户C利用参数P将实时的虹膜数据t’转化为虹膜模板x’,发送给服务器S,服务器S接收x’并且与数据库中所存储的的虹膜模板作对比,计算它们之间的距离,如果某一个虹膜模板y与x’的距离小于一个阙值R,则认为x’是一个合法的虹膜模板,服务器S授权用户C使用系统资源。计算虹膜模板x’与y的距离d的公式为:
其中|x′i-yi|代表x′i-yi的绝对值。
本发明涉及的一种基于聚合块信息的安全虹膜识别方法能够满足三大基本性安全要求(不可逆性,可撤销性,不可连接性),并且可以支持移位和掩码策略来提高识别的性能,实验证明本发明所提出的一种基于聚合块信息的安全虹膜识别方法上有良好的识别性能。
本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。
Claims (5)
1.一种基于聚合块信息的安全虹膜识别方法,其特征在于,包括:
步骤1:用户C发送虹膜数据给服务器S判断虹膜数据是否有效;
步骤2:如果用户C的虹膜数据有效,则服务器S在服务器端将虹膜数据划分为块,得到每个模块的聚合信息,转化为虹膜特征模板并返回注册成功信息,具体是:
将虹膜数据t和P划分为n个块,记为t1...tn和P1...Pn,对于第i个模块ti,计算ti和Pi的距离xi;服务器删去原始的虹膜数据t,存储x到本地虹膜数据库;
在转化过程中,使用随机排列策略来增强所提出的方法的安全性;在随机排列策略中,把t划分为wn个字段,使用两个专用的参数I和w来保护隐私,其中I是{1...wn}的随机排列,有wn=m/w,其中w是每个字段的长度,m是整个虹膜串的长度;
具体是利用随机排列I=I1...Iwn构建J,对于i=1...n,j=1...l,有:
对于每一个字段i=1...wn,计算虹膜串与专用参数P之间的距离公式为:
步骤3:用户C得到实施的虹膜数据t’,转化为虹膜特征模板x’,具体是转化方法是:将实时的虹膜数据t’和P划分为n个块,记为t1′...tn′和P1...Pn,对于第i个模块ti’,计算ti’和Pi的距离xi’;服务器删去原始的虹膜数据t,存储x’到本地虹膜数据库;
步骤4:用户C发送虹膜特征模板x’给服务器S,服务器S接收x’并且与数据库中的虹膜模板作对比,计算它们之间的距离,如果某一个虹膜模板y与x’的距离小于一个阙值R,则认为x’是一个合法的虹膜模板,服务器S授权用户C使用系统资源。
2.根据权利要求1所述一种基于聚合块信息的安全虹膜识别方法,其特征在于,所述步骤1中对虹膜数据进行有效性判断,如果无效,则服务器拒绝注册请求并返回“注册失败”的信息给用户C。
3.根据权利要求1所述一种基于聚合块信息的安全虹膜识别方法,其特征在于,所述步骤4中用户C利用参数P将实时的虹膜数据t’转化为虹膜模板x’,发送给服务器S,服务器S接收x’并且与数据库中所存储的的虹膜模板作对比,计算它们之间的距离,如果某一个虹膜模板y与x’的距离小于一个阙值R,则认为x’是一个合法的虹膜模板,服务器S授权用户C使用系统资源;
计算虹膜模板x’与y的距离d的公式为:
其中|xi′-yi|代表xi′-yi的绝对值;
在识别过程中,可以应用移位策略,对二进制虹膜串进行循环移位以达到最佳匹配效果;在这里,服务器S存储的是每个模块的信息,所以在移位时,要按照模块大小的整数倍来移位。
4.根据权利要求1所述一种基于聚合块信息的安全虹膜识别方法,其特征在于,所述步骤4中,定义服务器S存储的虹膜模板为x,用户C的实时虹膜串为x’,每一个虹膜字段的长度为l,ns是移位的位数,这里有ns=nb×l,在这里,计算x与x’之间的距离公式为:
在这里,也就是说,xi是通过将x移动i位得到的;
在识别过程中,使用掩码去除掉由于设备问题或可预见的错误造成的噪音;在这里,服务器S存储的是每个模块的信息,所以在掩码时,也要把掩码也划分为相应的模块得到聚合信息。
5.根据权利要求1所述一种基于聚合块信息的安全虹膜识别方法,其特征在于,所述步骤4中,定义tm,tm′分别是t,t′的掩码,我们需要将tm,tm′划分为n个块,得到他们的聚合信息xm=xm1...xmn,计算公式如下:
tmi,j是第i个字段tmi的第j位;
所以当使用掩码策略的时候,x与x’之间的距离计算公式为:
在这里,kn是xm和xm’的值都为1的位数, 如果kn等于0,则d将置为一个较大值(比如m);
当同时使用移位策略和掩码策略时,x与x’之间的计算公式为:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711447065.0A CN108182401B (zh) | 2017-12-27 | 2017-12-27 | 一种基于聚合块信息的安全虹膜识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711447065.0A CN108182401B (zh) | 2017-12-27 | 2017-12-27 | 一种基于聚合块信息的安全虹膜识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108182401A true CN108182401A (zh) | 2018-06-19 |
CN108182401B CN108182401B (zh) | 2021-09-03 |
Family
ID=62547970
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711447065.0A Active CN108182401B (zh) | 2017-12-27 | 2017-12-27 | 一种基于聚合块信息的安全虹膜识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108182401B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109344593A (zh) * | 2018-10-24 | 2019-02-15 | 三星(中国)半导体有限公司 | 生物信息验证方法以及验证服务器、录入和验证客户端 |
CN110162951A (zh) * | 2019-05-28 | 2019-08-23 | 吉林无罔生物识别科技有限公司 | 虹膜信息注册与验证方法、系统及计算机可读存储介质 |
CN110620846A (zh) * | 2019-09-26 | 2019-12-27 | Oppo广东移动通信有限公司 | 消息合并方法、装置、设备及存储介质 |
CN111274571A (zh) * | 2020-01-19 | 2020-06-12 | 武汉理工大学 | 局部排序和负数据库相结合的虹膜模板保护方法及系统 |
CN112001249A (zh) * | 2020-07-21 | 2020-11-27 | 山东师范大学 | 一种在物理世界通过生成贴纸构造可取消生物特征的方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103236927A (zh) * | 2013-04-16 | 2013-08-07 | 中国科学技术大学 | 一种基于动态身份标识的认证方法及系统 |
CN103778415A (zh) * | 2014-01-21 | 2014-05-07 | 蔺全录 | 矿井人员虹膜考勤与跟踪定位方法及系统 |
CN104572776A (zh) * | 2013-10-28 | 2015-04-29 | 腾讯科技(深圳)有限公司 | 一种搜索结果聚合块的生成方法及装置 |
US20160180245A1 (en) * | 2014-12-19 | 2016-06-23 | Medidata Solutions, Inc. | Method and system for linking heterogeneous data sources |
CN105740200A (zh) * | 2014-12-24 | 2016-07-06 | 英特尔公司 | 用于k最近邻搜索的系统、装置和方法 |
CN107358198A (zh) * | 2017-07-12 | 2017-11-17 | 中山大学 | 一种基于分段特征选择的虹膜识别方法 |
-
2017
- 2017-12-27 CN CN201711447065.0A patent/CN108182401B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103236927A (zh) * | 2013-04-16 | 2013-08-07 | 中国科学技术大学 | 一种基于动态身份标识的认证方法及系统 |
CN104572776A (zh) * | 2013-10-28 | 2015-04-29 | 腾讯科技(深圳)有限公司 | 一种搜索结果聚合块的生成方法及装置 |
CN103778415A (zh) * | 2014-01-21 | 2014-05-07 | 蔺全录 | 矿井人员虹膜考勤与跟踪定位方法及系统 |
US20160180245A1 (en) * | 2014-12-19 | 2016-06-23 | Medidata Solutions, Inc. | Method and system for linking heterogeneous data sources |
CN105740200A (zh) * | 2014-12-24 | 2016-07-06 | 英特尔公司 | 用于k最近邻搜索的系统、装置和方法 |
CN107358198A (zh) * | 2017-07-12 | 2017-11-17 | 中山大学 | 一种基于分段特征选择的虹膜识别方法 |
Non-Patent Citations (2)
Title |
---|
YUNIOL ALVAREZ-BETANCOURT ET AL.: "A Fast Iris Location Based on Aggregating Gradient Approximation Using QMA-OWA Operator", 《INTERNATIONAL CONFERENCE ON FUZZY SYSTEMS》 * |
李敏 等.: "基于虹膜特征密钥的无线传感器网络安全数据融合", 《计算机系统应用》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109344593A (zh) * | 2018-10-24 | 2019-02-15 | 三星(中国)半导体有限公司 | 生物信息验证方法以及验证服务器、录入和验证客户端 |
CN110162951A (zh) * | 2019-05-28 | 2019-08-23 | 吉林无罔生物识别科技有限公司 | 虹膜信息注册与验证方法、系统及计算机可读存储介质 |
CN110162951B (zh) * | 2019-05-28 | 2022-09-09 | 吉林无罔生物识别科技有限公司 | 虹膜信息注册与验证方法、系统及计算机可读存储介质 |
CN110620846A (zh) * | 2019-09-26 | 2019-12-27 | Oppo广东移动通信有限公司 | 消息合并方法、装置、设备及存储介质 |
CN111274571A (zh) * | 2020-01-19 | 2020-06-12 | 武汉理工大学 | 局部排序和负数据库相结合的虹膜模板保护方法及系统 |
CN111274571B (zh) * | 2020-01-19 | 2023-04-18 | 武汉理工大学 | 局部排序和负数据库相结合的虹膜模板保护方法及系统 |
CN112001249A (zh) * | 2020-07-21 | 2020-11-27 | 山东师范大学 | 一种在物理世界通过生成贴纸构造可取消生物特征的方法 |
CN112001249B (zh) * | 2020-07-21 | 2022-08-26 | 山东师范大学 | 一种在物理世界通过生成贴纸构造可取消生物特征的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108182401B (zh) | 2021-09-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108182401A (zh) | 一种基于聚合块信息的安全虹膜识别方法 | |
CN101777115B (zh) | 一种安全的指纹认证方法及系统 | |
Das et al. | A robust alignment-free fingerprint hashing algorithm based on minimum distance graphs | |
Li et al. | Attacks via record multiplicity on cancelable biometrics templates | |
CN101452526B (zh) | 基于指纹和人脸的二维条码式身份认证方法 | |
CN106059753B (zh) | 一种用于数字签名的指纹密钥生成新方法 | |
CN108960039A (zh) | 一种基于对称hash的不可逆指纹模板加密方法 | |
CN103279697B (zh) | 基于正交矩阵和模运算的指纹细节信息隐藏与恢复方法 | |
Liu et al. | Minutiae and modified biocode fusion for fingerprint-based key generation | |
Wang et al. | Palmprint false acceptance attack with a generative adversarial network (GAN) | |
CN101753304A (zh) | 一种生物特征和密钥绑定的方法 | |
CN107292152A (zh) | 一种生物特征认证系统及生物特征认证方法 | |
Ahmad et al. | String-based cancelable fingerprint templates | |
Jin et al. | A revocable fingerprint template for security and privacy preserving | |
CN112347855A (zh) | 一种基于深度学习的生物特征模板保护方法及装置 | |
Baghel et al. | A non‐invertible transformation based technique to protect a fingerprint template | |
Rahman et al. | Performance analysis of a parameterized minutiae-based approach for securing fingerprint templates in biometric authentication systems | |
CN100583765C (zh) | 一种生物安全级别模版及其设定方法及装置 | |
Gao et al. | A novel matching technique for fingerprint recognition by graphical structures | |
CN1859095A (zh) | 一种通过生物识别认证用户身份的方法 | |
CN117131490A (zh) | 基于设备硬件指纹的配电网无线终端设备身份认证方法 | |
Agarwal et al. | An alignment-free non-invertible transformation-based method for generating the cancellable fingerprint template | |
Tian et al. | Personal identity recognition approach based on iris pattern | |
Bringer et al. | Adding localization information in a fingerprint binary feature vector representation | |
Malallah et al. | Non-invertible online signature biometric template protection via shuffling and trigonometry transformation |
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 |