CN109767843A - 基于智能合约的传染病预警方法及传染病数据区块链系统 - Google Patents
基于智能合约的传染病预警方法及传染病数据区块链系统 Download PDFInfo
- Publication number
- CN109767843A CN109767843A CN201910046912.5A CN201910046912A CN109767843A CN 109767843 A CN109767843 A CN 109767843A CN 201910046912 A CN201910046912 A CN 201910046912A CN 109767843 A CN109767843 A CN 109767843A
- Authority
- CN
- China
- Prior art keywords
- infectious disease
- data
- master node
- early warning
- consensus
- 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
- 208000035473 Communicable disease Diseases 0.000 title claims abstract description 292
- 208000015181 infectious disease Diseases 0.000 title claims abstract description 252
- 238000000034 method Methods 0.000 title claims abstract description 71
- 201000010099 disease Diseases 0.000 claims abstract description 23
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims abstract description 23
- 230000001186 cumulative effect Effects 0.000 claims abstract 6
- 238000012795 verification Methods 0.000 claims description 22
- 238000004458 analytical method Methods 0.000 claims description 15
- 230000007246 mechanism Effects 0.000 claims description 13
- 230000008569 process Effects 0.000 claims description 13
- 238000011835 investigation Methods 0.000 claims description 8
- 230000005540 biological transmission Effects 0.000 claims description 2
- 230000015572 biosynthetic process Effects 0.000 claims description 2
- 238000012545 processing Methods 0.000 claims description 2
- 230000002159 abnormal effect Effects 0.000 claims 1
- 230000007717 exclusion Effects 0.000 claims 1
- 230000003993 interaction Effects 0.000 claims 1
- 241000700605 Viruses Species 0.000 description 16
- 238000007689 inspection Methods 0.000 description 13
- 238000002474 experimental method Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 208000027418 Wounds and injury Diseases 0.000 description 4
- 230000006378 damage Effects 0.000 description 4
- 208000014674 injury Diseases 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 206010008631 Cholera Diseases 0.000 description 2
- 206010035148 Plague Diseases 0.000 description 2
- 241000607479 Yersinia pestis Species 0.000 description 2
- 230000001154 acute effect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 235000013399 edible fruits Nutrition 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 108700039691 Genetic Promoter Regions Proteins 0.000 description 1
- 201000005505 Measles Diseases 0.000 description 1
- 201000009906 Meningitis Diseases 0.000 description 1
- 206010035664 Pneumonia Diseases 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 206010064097 avian influenza Diseases 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 231100000518 lethal Toxicity 0.000 description 1
- 230000001665 lethal effect Effects 0.000 description 1
- 244000052769 pathogen Species 0.000 description 1
- 230000001717 pathogenic effect Effects 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 230000005180 public health Effects 0.000 description 1
- 230000007474 system interaction Effects 0.000 description 1
- 241000712461 unidentified influenza virus Species 0.000 description 1
- 230000003612 virological effect Effects 0.000 description 1
Landscapes
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明提供了基于智能合约的传染病预警方法及传染病数据区块链系统。所述方法应用于传染病数据区块链平台，所述区块链平台包括：传染病预警智能合约、主节点以及多个共识节点，所述方法包括：所述主节点接收传染病类型的数据，确定所述数据的真实性，所述主节点启动所述传染病预警智能合约，并将所述数据发送至所述多个共识节点中的每一个共识节点，分别确定所述数据的真实性，并进行共识，将共识结果反馈至主节点并存储该传染病数据，主节点根据共识结果，判断共识结果所属传染病类型，若为特殊病种主节点直接发出传染病预警信号，若不是则判断传染病类型的累计值是否大于等于报警阈值，若大于等于报警阈值，则主节点发出传染病预警信号。
Description
技术领域
本发明涉及区块链领域，尤其涉及基于智能合约的传染病预警方法及传染病数据区块链系统。
背景技术
区块链技术是由多种已存在的技术(P2P网络、密码学等)组合形成的具有去中心化的记录技术。目前区块链没有统一的定义，维基百科上对区块链的定义是：区块链(bolckchain)是利用分布式的数据库对信息进行甄别、传播和记录的对等网络，简言之，区块链在本质上就是一个具有去中心化特征的分布式数据库，区块链技术从本质来说是一个分布式的数据库技术，网络内的节点利用密码学、共识算法、点对点通信等技术，共同维护全网数据的一致性和完整性。
区块链的去中心化和数据不可篡改，使得其在银行、医疗、征信等有着广阔的应用前景，在医疗中传染病的数据，因为其特殊的隐私保密性，必须进行严格的防篡改和防泄露，这就使得现实各地域的传染病数据并不能共享，而将这种传染病数据应用于区块链上，就解决了因害怕传染病数据被篡改和泄露而不能共享的问题。
现有的传染病数据区块链平台上，虽然保证了传染病数据的共享，但是对传染病突然的流行或者爆发并不能自动进行预警，若是出现特定的传染病或者传染病病例的出现达到一定的数值，只能靠医疗人员人工进行分析和预警，不但工作效率低下，并且也不能很及时的预警。
发明内容
本发明提供的一种基于智能合约的传染病预警方法以及传染病数据区块链系统，解决了现有传染病数据在区块链上不能及时自动预警的问题。
为了解决上述技术问题，本发明实施例提供了一种基于智能合约的传染病预警方法，所述方法应用于传染病数据区块链平台，所述区块链平台包括：传染病预警智能合约、主节点以及多个共识节点，所述方法包括：
所述主节点接收传染病类型的数据；
所述主节点通过校验所述数据的签名，确定所述数据的真实性；
若所述数据的签名校验通过，所述主节点启动所述传染病预警智能合约，并将所述数据发送至所述多个共识节点；
所述多个共识节点接收所述数据；
所述多个共识节点中的每一个共识节点，分别通过校验所述数据的签名，确定所述数据的真实性；
所述区块链平台，根据所述多个共识节点中的每一个共识节点的校验结果，进行共识，将共识结果反馈至所述主节点并储存所述传染病类型的数据；
所述主节点接收所述共识结果；
所述主节点根据所述共识结果，判断传染病所属的类型；
若所述共识结果为传染病所属的类型是特殊病例，则所述主节点直接发出传染病预警信号，所述特殊病例设置在所述传染病预警智能合约中；
若所述共识结果为所述传染病所属的类型不是特殊病例，所述主节点判断在预设观察周期内所述传染病类型的累计值是否大于等于报警阈值，所述报警阈值设置在所述传染病预警智能合约中；
若所述传染病类型的累计值大于等于所述报警阈值，则所述主节点发出传染病预警信号。
可选地，在所述共识结果为所述传染病所属的类型是特殊病例，或者所述传染病类型的累计值大于等于所述报警阈值，所述主节点发出传染病预警信号后，所述方法还包括：
所述主节点根据传染病预警信号，生成异常信息报文；
所述主节点根据所述区块链平台中已有的传染病数据，针对所述传染病类型的数据进行分析，判断所述传染病预警是否为疑似事件；
若所述传染病预警是疑似事件，则所述主节点发出现场实地调查请求；
所述主节点接收现场实地调查结果；
所述主节点根据所述区块链平台中已有的传染病数据，对所述现场实地调查结果进行分析，并根据分析结果判断所述传染病类型是否为爆发，或者根据分析结果判断所述传染病类型是否为流行；
若所述传染病类型为爆发或者流行，则所述主节点发出开展预防传染病工作请求。
可选地，在所述主节点通过校验所述数据的签名，确定所述数据的真实性之后之后，所述方法还包括：
若所述数据的签名校验没有通过，所述主节点将所述数据丢弃。
可选地，所述多个共识节点中的每一个共识节点，分别通过校验所述数据的签名，确定所述数据的真实性，包括：
若所述多个共识节点中的任一共识节点，未通过所述数据的签名校验，所述任一共识节点将所述数据丢弃；
若所述多个共识节点中的任一共识节点，通过所述数据的签名校验，所述任一共识节点将所述数据的校验结果，发送至除自身之外的所有共识节点，以供所述区块链平台进行共识。
可选地，在所述共识结果为所述传染病所属的类型不是特殊病例，所述主节点判断在预设观察周期内所述传染病类型的累计值是否大于等于报警阈值之后，所述方法还包括：
若所述传染病类型的累计值小于所述报警阈值，则所述主节点不发出传染病预警信号。
可选地，在所述主节点根据所述区块链平台中已有的传染病数据，针对所述传染病类型的数据进行分析，判断所述传染病预警是否为疑似事件之后，所述方法还包括：
若所述传染病预警不是疑似事件，则所述主节点发出所述传染病预警排除的信息。
可选地，在所述主节点根据所述区块链平台中已有的传染病数据，对所述现场实地调查结果进行分析，并根据分析结果判断所述传染病类型是否为爆发，或者根据分析结果判断所述传染病类型是否为流行之后，所述方法还包括：
若所述传染病类型不为爆发或者流行，则所述主节点发出传染病预警排除的信息。
本发明实施例还提出了一种传染病数据区块链系统，所述系统包括多个智能设备，所述多个智能设备中每一个智能设备安装有传染病数据区块链应用程序；
所述传染病数据区块链应用程序包括：应用层、合约层、数据层、共识层以及网络层；
所述应用层用于提供所述区块链系统的功能界面，实现用户对所述区块链系统的交互与控制；
所述合约层用于存放传染病预警智能合约，并执行上述的基于智能合约的传染病预警方法；
所述数据层用于所述区块链系统中数据的处理和存储；
所述共识层用于完成所述区块链系统数据的共识，实现传染病数据上链；
所述网络层用于所述多个移动设备的网络组建、数据传输以及验证，所述网络层为区块链模型的网络基础。
可选地，所述应用层提供两类传染病预警信号，包括：单病种自动预警信号以及移动百分位数法自动预警信号，所述两类传染病预警信号由所述区块链中的主节点发出。
可选地，所述主节点发出单病种自动预警信号的过程包括：
所述区块链中任一节点，实时将新加入的传染病病例信息上传至所述传染病数据区块链系统中；
所述主节点检测有新病例信息加入，启动所述传染病预警智能合约，根据所述传染病预警智能合约规则，通过所述传染病数据区块链系统的共识机制，判断所述新病例信息是否符合所述传染病预警智能合约中规定的特殊病种；
若所述新病例信息符合所述特殊病种，所述主节点发出单病种预警信号；
所述主节点发出移动百分位数法自动预警信号的过程包括：
所述传染病预警智能合约根据区块链上已有传染病数据，使用移动百分位数法动态计算传染病的历史基线，即传染病预警的阈值；
所述传染病预警智能合约对当前观察周期内传染病病例数与阈值进行实时比较；
若当前观察周期内发生的传染病病例数大于或等于阈值，所述主节点将在预设时间内发出移动百分位数法预警信号。
与现有技术相比，本发明提供的基于智能合约的传染病预警方法以及传染病数据区块链系统，利用主节点对传染病类型的数据进行真实性校验，通过真实性校验后，发送数据至区块链中所有共识节点，由所有共识节点分别进行数据真实性校验，再经过区块链的共识机制，得出共识结果，并储存数据以及反馈至主节点，在利用传染病预警智能合约，判断是否超过智能合约中设定的报警阈值，超过则发出传染病预警。本发明提供的基于智能合约的传染病预警方法以及传染病数据区块链系统，提高了医疗工作人员的工作效率，以及可以自动进行传染病预警。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例基于智能合约的传染病预警方法的流程图；
图2是本发明实施例中步骤102之后的流程图；
图3是本发明实施例中步骤105的具体流程图；
图4是本发明实施例中在传染病预警信号发出后，基于智能合约的传染病预警方法的流程图；
图5是本发明实施例中步骤202之后的流程图；
图6是本发明实施例中步骤205之后的流程图；
图7是本发明实施例传染病区块链应用程序的示意图；
图8是本发明实施例中传染病数据区块链系统与现有医疗类区块链系统的对比图表；
图9是本发明实施例中4节点共识耗时图表；
图10是本发明实施例中5节点共识耗时图表；
图11是本发明实施例中6节点共识耗时图表；
图12是本发明实施例中实验中共识算法的共识过程耗时图表；
图13是本发明实施例中数据存储耗时图表。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
图1示出了本发明实施例基于智能合约的传染病预警方法的流程图。该方法应用于传染病数据区块链平台，该区块链平台包括：传染病预警智能合约、主节点以及多个共识节点，传染病预警方法包括：
步骤101：主节点接收传染病类型的数据。
本发明实施例中，区块链中主节点，接收到医疗工作人员通过客户端发送的传染病类型的数据，所谓传染病类型是指传染病具体的病种，例如鼠疫、霍乱、禽流感等。本发明实施例对此不作详细限定，可以根据实际情况进行设置。
步骤102：主节点通过校验数据的签名，确定数据的真实性。
本发明实施例中，根据区块链网络的特性，进入区块链网络中的数据，都有数字签名，以保证数据的真实性和完整性，也防止数据被篡改，主节点在接收到数据后，首先需要进行签名验证，来确定数据的真实性。本发明实施例对此不作详细限定，可以根据实际情况进行设置。
可选地，参照图2，在步骤102之后，还包括如下步骤：
步骤1021：若数据的签名校验没有通过，主节点将数据丢弃。
本发明实施例中，主节点在接收到数据后，进行签名验证，若是签名验证没有通过，则主节点会将传染病类型数据丢弃，也不会将数据进行广播。本发明实施例对此不作详细限定，可以根据实际情况进行设置。
步骤103：若数据的签名校验通过，主节点启动传染病预警智能合约，并将数据发送至多个共识节点。
本发明实施例中，若主节点通过了传染病类型数据的签名校验，则主节点启动区块链网络中预置的传染病预警智能合约，同时将传染病类型数据发送至区块链网络中所有参与共识的共识节点上，主节点发送数据的方式为广播。本发明实施例对此不作详细限定，可以根据实际情况进行设置。
步骤104：多个共识节点接收数据。
本发明实施例中，区块链网络中参与共识的所有共识节点都接收到主节点广播的，传染病类型的数据。本发明实施例对此不作详细限定，可以根据实际情况进行设置。
步骤105：多个共识节点中的每一个共识节点，分别通过校验数据的签名，确定数据的真实性。
本发明实施例中，区块链网络中所有共识节点，采用和主节点一样的验证方式，对传染病类型数据进行签名校验，来确定数据的真实性，并生成一个校验结果。本发明实施例对此不作详细限定，可以根据实际情况进行设置。
可选地，参照图3，步骤105包括如下步骤：
步骤105a：若多个共识节点中的任一共识节点，未通过数据的签名校验，任一共识节点将数据丢弃。
步骤105b：若多个共识节点中的任一共识节点，通过数据的签名校验，任一共识节点将数据的校验结果，发送至除自身之外的所有共识节点，以供区块链平台进行共识。
本发明实施例中，区块链网络内的任一共识节点，若是没有通过签名校验，则将接收到的数据丢弃，而通过签名校验的共识节点，将校验结果，进行广播，以供区块链平台进行下一步共识操作。本发明实施例对此不作详细限定，可以根据实际情况进行设置。
步骤106：区块链平台，根据多个共识节点中的每一个共识节点的校验结果，进行共识，将共识结果反馈至主节点并储存传染病类型的数据。
本发明实施例中，区块链网络根据自身特性，根据每个共识节点(包括主节点)的校验结果，利用拜占庭容错算法，进行共识，共识完成后，将共识的结果反馈到主节点上，并各自将传染病类型的数据进行存储。本发明实施例对此不作详细限定，可以根据实际情况进行设置。
步骤107：主节点接收共识结果。
本发明实施例中，主节点接受到区块链网络反馈的共识结果，该结果包括所有共识节点(包括主节点)的校验结果，以及区块链网络的共识结果。本发明实施例对此不作详细限定，可以根据实际情况进行设置。
步骤108：主节点根据共识结果，判断传染病所属的类型。
本发明实施例中，主节点根据共识结果，结合传染病预警智能合约的内容，判断传染病所属的类型，在传染病预警智能合约中，预设有多种传染病的类型，一般由专业的医疗人员进行设置。本发明实施例对此不作详细限定，可以根据实际情况进行设置。
在判断传染病所属的类型后，根据判断结果有如下情况：
108a：若共识结果为传染病所属的类型是特殊病例，则主节点直接发出传染病预警信号，特殊病例设置在传染病预警智能合约中。
108b：若共识结果为传染病所属的类型不是特殊病例，主节点判断在预设观察周期内传染病类型的累计值是否大于等于报警阈值，报警阈值设置在传染病预警智能合约中。
108b1：若传染病类型的累计值大于等于报警阈值，则主节点发出传染病预警信号。
108b2：若传染病类型的累计值小于报警阈值，则主节点不发出传染病预警信号。
本发明实施例中，针对实际中传染病的类型有进行划分，对于传染病中被传染性高、传播感染速度快、致死致伤率高的传染病划分为特殊病例，一旦出现，必须立即采取相关措施，尽量减少伤害，因此若判断传染病所属的类型是特殊病例，则主节点直接发出传染病预警信号，对于特殊病例的划分一般由专业医疗人员进行。
若传染病所属类型不是特殊病例，则主节点需要在一定周期时间内，监测同类型的传染病出现的次数，并将次数相加，形成该类传染病的累计值，对比累计值与报警阈值的大小，若累计值大于等于报警阈值，则主节点发出预警信号，是否大于等于报警阈值，其中报警阈值设置在传染病预警智能合约中，该报警阈值由传染病预警智能合约根据区块链上存储的传染病数据，使用移动百分位数法动态计算传染病的历史基线得到，本发明实施例中周期时间是7天。
若是主节点判断传染病类型的累计值大于等于报警阈值，则按照传染病预警智能合约的内容，主节点发出传染病预警信号，广播至区块链网络，区块链网络内所有共识节点都会接收到传染病预警信号，与共识节点连接的客户端，也都接收到传染病预警信号，这样就可以及时迅速的将传染病预警信号，告知所有在传染病数据区块链系统中的医疗机构或者组织，让这些机构或者组织提前做好预防、治疗和向群众预警的准备，极大的提高了医疗工作的工作效率，并且可以降低和缩小传染病爆发或者流行带来的伤害和范围；若是主节点判断传染病类型的累计值小于报警阈值，则不发出传染病预警信号。本发明实施例对此不作详细限定，可以根据实际情况进行设置。
举例说明，假设华西医院传染病科室在传染病数据区块链系统中，当传染病科室的医生或者护士，通过与区块链网络连接的PC机，上传了鸡禽流感病毒(H9N1病毒)，该PC机将H9N1病毒的数据按照区块链的特性，采用哈希函数算法、非对称加密算法以及数字签名等机制，对数据进行保护，之后通过区块链网络，将符合区块链数据特性的数据发送给区块链网络中的主节点，主节点接收到H9N1病毒的数据，首先进行签名校验，在通过了该数据的真实性校验后，启动区块链中预置的传染病预警合约，并同时将H9N1病毒的数据向区块链网络内所有共识节点广播。
区块链网络中共识节点接收到H9N1病毒的数据，采用和主节点一样的方式，对该数据进行签名校验，每个共识节点分别各自对该数据进行校验，得到各自的校验结果，验证H9N1病毒的数据的真实性，之后区块链平台根据自身特性，进行共识，并将共识结果反馈到主节点再存储此条病例，主节点接收到共识结果后，结合传染病预警智能合约的内容和规则，判断H9N1病毒是否属于特殊病例，若属于特殊病例，则直接发出预警信号，若不属于特殊病例，则继续观察7天，对7内出现H9N1病毒的次数进行统计，并累加，形成累计值，再判断累计值是否大于等于报警阈值，若是大于或者等于报警阈值，则主节点就发出传染病预警信号，将预警信号广播至区块链网络，该预警信号中包括传染病名称：H9N1病毒，区块链网络内所有共识节点都会接收到传染病预警信号，与共识节点连接的客户端，也都接收到传染病预警信号，例如该区块链系统中还有四川省人民医院、协和医院、西京医院、中华人民共和国卫生部等，这样四川省人民医院、协和医院、西京医院、中华人民共和国卫生部等部门，都会知道华西医院出现H9N1病毒，这些部门将提前做好预防、治疗和向群众预警的准备，同时还可以调集医疗资源向华西医院，帮助治疗、控制该病毒，同时也需要迅速展开调查，查明病毒来源。极大的提高了医疗工作的工作效率，并且可以降低和缩小传染病爆发或者流行带来的伤害和范围。
可选地，参照图4，在传染病预警信号发出后，基于智能合约的传染病预警方法还包括：
步骤201：主节点根据传染病预警信号，生成异常信息报文。
本发明实施例中，在主节点发出传染病预警信号后，会同时生成异常信息报文，该报文会自动存储在客户端中，以供相关人员进行查阅。本发明实施例对此不作详细限定，可以根据实际情况进行设置。
步骤202：主节点根据区块链平台中已有的传染病数据，针对传染病类型的数据进行分析，判断传染病预警是否为疑似事件。
本发明实施例中，区块链平台中会存储有大量的传染病数据，主节点根据区块链平台中已存储的传染病数据，针对新产生的传染病类型数据进行分析，判断这次传染病预警是否为疑似事件，所谓疑似事件是指，在还没有实地确定核实的情况下，不能认定已发生的传染病类型就是预设的传染病类型，也可能是设备自身原因误报，或者是医疗工作者工作的失误导致。本发明实施例对此不作详细限定，可以根据实际情况进行设置。
可选地，参照图5，步骤202之后，还包括如下步骤：
步骤2021：若传染病预警不是疑似事件，则主节点发出传染病预警排除的信息。
本发明实施例中，若核实传染病预警不是疑似事件，只是误报或者工作失误导致，则主节点发出传染病预警排除的信息，广播到区块链网络内，让其余部门知道具体情况。本发明实施例对此不作详细限定，可以根据实际情况进行设置。
步骤203：若传染病预警是疑似事件，则主节点发出现场实地调查请求。
本发明实施例中，若确定是疑似事件，则主节点发出需要现场实地调查请求，需要相关人员进行实地调查。本发明实施例对此不作详细限定，可以根据实际情况进行设置。
步骤204：主节点接收现场实地调查结果。
本发明实施例中，相关人员进行完实地调查后，将实地调查结果，通过客户端发送至主节点上，主节点会接受到调查结果。本发明实施例对此不作详细限定，可以根据实际情况进行设置。
步骤205：主节点根据区块链平台中已有的传染病数据，对现场实地调查结果进行分析，并根据分析结果判断传染病类型是否为爆发，或者根据分析结果判断传染病类型是否为流行。
本发明实施例中，主节点根据区块链平台中已有的传染病数据，结合现场实地调查结果进行分析，最后根据分析结果，判断传染病类型是爆发或者流行，或者只是个案。本发明实施例对此不作详细限定，可以根据实际情况进行设置。
可选地，参照图6，步骤205之后，还包括如下步骤：
步骤2051：若传染病类型不为爆发或者流行，则主节点发出传染病预警排除的信息。
本发明实施例中，若是判断传染病类型不是爆发，也不是流行，可能只是个案，也没有其他人员可能被感染的情况，则主节点发出传染病预警排除的信息。本发明实施例对此不作详细限定，可以根据实际情况进行设置。
步骤206：若传染病类型为爆发或者流行，则主节点发出开展预防传染病工作请求。
本发明实施例中，若判断传染病类型是爆发或者流行，则主节点发出确定的消息，并向其他部门发出开展预防传染病工作的请求，或者也可以设置为请求其他部门协助。本发明实施例对此不作详细限定，可以根据实际情况进行设置。
举例说明，假设华西医院发出了H9N1病毒的预警信号，则主节点根据该预警信号，生成异常信息报文，报文内容包括：传染病名称：H9N1病毒；时间：2018年12月1日18:08分；地点：华西医院传染病科。此时主节点根据区块链平台中存储的传染病数据，分析预警信息，判断该传染病预警是疑似事件，发出现场实地调查请求，相关人员接到请求后，或者接受预警信号后已经开始实地调查了，之后将调查结果反馈给主节点，主节点根据已有数据，结合调查结果判断此次H9N1病毒为爆发，向区块链平台上所有节点广播开展预防传染病工作请求，使得其他部门提前展开预防、治疗、警示群众工作。
本发明实施例中传染病区块链系统是以传染病数据区块链应用程序为基础建立的，如图7示出了本发明实施例传染病区块链应用程序的示意图，该应用程序包括：应用层、合约层、数据层、共识层以及网络层，其中应用层包括：客户端和传染病预警的功能，其中客户端可以为PC机、智能手机、平板电脑等一切可以安装并执行应用程序的智能设备，一般由相关工作人员来操作；合约层存储有传染病预警的智能合约，合约层还提供有脚本代码，可供相关人员进行脚本代码的编写和运行；共识层用于实现区块链系统的共识机制，例如签名校验等，共识机制有共识过程和同步过程；网络层用于区块链网络的组建，采用点对点(peer to peer lending简称p2p)网络，还有区块链工作过程中的消息、数据的传播以及验证；数据层采用分布式存储，对数据进行处理和存储。
本发明实施例中，在应用层提供两类传染病预警信号，包括：单病种自动预警信号以及移动百分位数法自动预警信号，其中单病例预警的特殊病种包括鼠疫、霍乱、传染性非典型肺炎等11种急性传染病，单病例自动预警的过程如下：
区块链中任一节点，实时将新加入的传染病病例信息上传至传染病数据区块链系统中。
主节点检测有新病例信息加入，启动传染病预警智能合约，根据传染病预警智能合约规则，通过传染病数据区块链系统的共识机制，判断新病例信息是否符合传染病预警智能合约中规定的特殊病种。
若新病例信息符合特殊病种，主节点发出单病种预警信号。
实地操作上，区块链系统中各医院节点实时把各自医院当前的传染病病例信息通过客户端上传到传染病数据区块链系统中。
每当有新病例加入，区块链系统根据自身特性，以及智能合约的规则，开始自动检查是否是特殊病种，若是，则区块链系统及时发出预警信号给到全区块链网络内，以便其他医疗机构或者相关组织得到消息，提前开展各项工作；若不是特殊病种，则区块链系统不会发送预警信号。
移动百分位数法自动预警的病种包括麻疹、流行性脑脊髓膜炎等19种急性传染病，移动百分位数法自动预警的过程如下：
传染病预警智能合约根据区块链上已有传染病数据，使用移动百分位数法动态计算传染病的历史基线，即传染病预警的阈值。
传染病预警智能合约对当前观察周期内传染病病例数与阈值进行实时比较。
若当前观察周期内发生的传染病病例数大于或等于阈值，主节点将在预设时间内发出移动百分位数法预警信号。
实地操作上，传染病预警智能合约根据区块链上的已存储的数据，使用移动百分位数法动态计算传染病的历史基线，该基线即为预警阈值。
传染病预警智能合约自动把当前观察周期(7天)内病例数与预警阈值进行实时比较。
若观察周期内发生的病例数大于或等于阈值，系统将在24小时内发出预警信号。
本发明实施例所提出的传染病数据区块链系统，对比现有的医疗区块链系统，所需节点个数少，也不需要大量的算力来维护区块链系统。如图8示出了本发明实施例中传染病数据区块链系统(VD Chain)与现有医疗类区块链系统的对比图表，目前主要的医疗区块链系统有MDSM、MedRec与ModelChain，可以知道，MDSM的共识机制采用股份授权证明(Delegate Proof of Stack简称DPOS)算法，MedRec的共识机制采用工作量证明(Proof ofWork简称POW)算法；ModelChain的共识机制采用重要性证明(Proof of Importantce简称POI)算法；VD Chain的共识机制采用拜占庭容错共识算法(Practical Byzantine FaultTolerance简称PBFT)算法。其中MedRec和ModelChain支持支付，MDSM需要121个以上的节点来进行共识，MedRec和ModelChain也需要很多的节点，而VD Chain最少只需要4个节点就可以实现区块链系统的运行，MDSM和VD Chain所需的算力相较于另外两个小的多，但是MDSM设定了投票权重比，综上所述，与MDSM系统相比较，VD Chain所需节点个数远少于MDSM，且MDSM需要人为设定投票权重比例，在这两方面VD Chain都更为简单；与MedRec系统相比较，VD Chain所需维护节点数远少于MedRec，且无代币激励机制，也不需要大量算力来维护系统；与Model Chain系统相比较，Model Chain采用了私有区块链的形式，其所需节点个数不确定，但POI算法容易受到“51％攻击”，因此需要较多的节点维护系统，所以VD Chain所需的节点数要少于Model Chain。
再针对VD Chain的共识速度，进行实际实验，使用美国病毒病原数据库及分析资源(Virus Pathogen Database andAnalysis Resource简称ViPR)网站的传染病数据，实验环境为实验室内局域网，实验使用6台windows系统的台式机器作为共识网络中的共识节点，保证实验机器中可能的故障节点和恶意节点都是相同的节点f个，选择3组对比试验，分别使用4个、5个和6个节点作为共识节点，多次分别实验共识节点的共识耗时(毫秒)并计算平均值，得到4节点共识耗时图表如图9所示，5节点共识耗时图表如图10所示，6节点共识耗时图表如图11所示，实验中共识算法的共识过程耗时图表如图12所示；同时对数据的存储进行实验，实验数据采用ViPR网站的数据进行存储，节点数4个，分别存储100个、500个、1000个、5000个和10000个传染病数据，运行结果如图13所示，VD Chain在各节点日常数据存储时可达到毫秒级，性能接近普通数据库。
综上所述，本发明实施例中传染病数据区块链系统可以更简单的组建，适用范围更广阔，并且所需的节点个数很少，同时还可以自动预警传染病，方便迅速的控制、预防、治疗传染病。
通过上述实施例，本发明通过接收传染病的类型，利用区块链自身的特性，结合传染病预警的智能合约，自动进行预警。本发明对传染病的预警迅速而且可靠，并且提高了医疗工作人员的工作效率。
最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
上面结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，这些均属于本发明的保护之内。
Claims (10)
1.基于智能合约的传染病预警方法，其特征在于，所述方法应用于传染病数据区块链平台，所述区块链平台包括：传染病预警智能合约、主节点以及多个共识节点，所述方法包括：
所述主节点接收传染病类型的数据；
所述主节点通过校验所述数据的签名，确定所述数据的真实性；
若所述数据的签名校验通过，所述主节点启动所述传染病预警智能合约，并将所述数据发送至所述多个共识节点；
所述多个共识节点接收所述数据；
所述多个共识节点中的每一个共识节点，分别通过校验所述数据的签名，确定所述数据的真实性；
所述区块链平台，根据所述多个共识节点中的每一个共识节点的校验结果，进行共识，将共识结果反馈至所述主节点并储存所述传染病类型的数据；
所述主节点接收所述共识结果；
所述主节点根据所述共识结果，判断传染病所属的类型；
若所述共识结果为传染病所属的类型是特殊病例，则所述主节点直接发出传染病预警信号，所述特殊病例设置在所述传染病预警智能合约中；
若所述共识结果为所述传染病所属的类型不是特殊病例，所述主节点判断在预设观察周期内所述传染病类型的累计值是否大于等于报警阈值，所述报警阈值设置在所述传染病预警智能合约中；
若所述传染病类型的累计值大于等于所述报警阈值，则所述主节点发出传染病预警信号。
2.根据权利要求1所述的方法，其特征在于，在所述共识结果为所述传染病所属的类型是特殊病例，或者所述传染病类型的累计值大于等于所述报警阈值，所述主节点发出传染病预警信号后，所述方法还包括：
所述主节点根据传染病预警信号，生成异常信息报文；
所述主节点根据所述区块链平台中已有的传染病数据，针对所述传染病类型的数据进行分析，判断所述传染病预警是否为疑似事件；
若所述传染病预警是疑似事件，则所述主节点发出现场实地调查请求；
所述主节点接收现场实地调查结果；
所述主节点根据所述区块链平台中已有的传染病数据，对所述现场实地调查结果进行分析，并根据分析结果判断所述传染病类型是否为爆发，或者根据分析结果判断所述传染病类型是否为流行；
若所述传染病类型为爆发或者流行，则所述主节点发出开展预防传染病工作请求。
3.根据权利要求1所述的方法，其特征在于，在所述主节点通过校验所述数据的签名，确定所述数据的真实性之后之后，所述方法还包括：
若所述数据的签名校验没有通过，所述主节点将所述数据丢弃。
4.根据权利要求1所述的方法，其特征在于，所述多个共识节点中的每一个共识节点，分别通过校验所述数据的签名，确定所述数据的真实性，包括：
若所述多个共识节点中的任一共识节点，未通过所述数据的签名校验，所述任一共识节点将所述数据丢弃；
若所述多个共识节点中的任一共识节点，通过所述数据的签名校验，所述任一共识节点将所述数据的校验结果，发送至除自身之外的所有共识节点，以供所述区块链平台进行共识。
5.根据权利要求1所述的方法，其特征在于，在所述共识结果为所述传染病所属的类型不是特殊病例，所述主节点判断在预设观察周期内所述传染病类型的累计值是否大于等于报警阈值之后，所述方法还包括：
若所述传染病类型的累计值小于所述报警阈值，则所述主节点不发出传染病预警信号。
6.根据权利要求2所述的方法，其特征在于，在所述主节点根据所述区块链平台中已有的传染病数据，针对所述传染病类型的数据进行分析，判断所述传染病预警是否为疑似事件之后，所述方法还包括：
若所述传染病预警不是疑似事件，则所述主节点发出所述传染病预警排除的信息。
7.根据权利要求2所述的方法，其特征在于，在所述主节点根据所述区块链平台中已有的传染病数据，对所述现场实地调查结果进行分析，并根据分析结果判断所述传染病类型是否为爆发，或者根据分析结果判断所述传染病类型是否为流行之后，所述方法还包括：
若所述传染病类型不为爆发或者流行，则所述主节点发出传染病预警排除的信息。
8.传染病数据区块链系统，其特征在于，所述系统包括多个智能设备，所述多个智能设备中每一个智能设备安装有传染病数据区块链应用程序；
所述传染病数据区块链应用程序包括：应用层、合约层、数据层、共识层以及网络层；
所述应用层用于提供所述区块链系统的功能界面，实现用户对所述区块链系统的交互与控制；
所述合约层用于存放传染病预警智能合约，并执行权利要求1-7任一项所述的基于智能合约的传染病预警方法；
所述数据层用于所述区块链系统中数据的处理和存储；
所述共识层用于完成所述区块链系统数据的共识，实现传染病数据上链；
所述网络层用于所述多个移动设备的网络组建、数据传输以及验证，所述网络层为区块链模型的网络基础。
9.根据权利要求8所述的系统，其特征在于，所述应用层提供两类传染病预警信号，包括：单病种自动预警信号以及移动百分位数法自动预警信号，所述两类传染病预警信号由所述区块链中的主节点发出。
10.根据权利要求9所述的系统，其特征在于，所述主节点发出单病种自动预警信号的过程包括：
所述区块链中任一节点，实时将新加入的传染病病例信息上传至所述传染病数据区块链系统中；
所述主节点检测有新病例信息加入，启动所述传染病预警智能合约，根据所述传染病预警智能合约规则，通过所述传染病数据区块链系统的共识机制，判断所述新病例信息是否符合所述传染病预警智能合约中规定的特殊病种；
若所述新病例信息符合所述特殊病种，所述主节点发出单病种预警信号；
所述主节点发出移动百分位数法自动预警信号的过程包括：
所述传染病预警智能合约根据区块链上已有传染病数据，使用移动百分位数法动态计算传染病的历史基线，即传染病预警的阈值；
所述传染病预警智能合约对当前观察周期内传染病病例数与阈值进行实时比较；
若当前观察周期内发生的传染病病例数大于或等于阈值，所述主节点将在预设时间内发出移动百分位数法预警信号。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910046912.5A CN109767843B (zh) | 2019-01-18 | 2019-01-18 | 基于智能合约的传染病预警方法及传染病数据区块链系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910046912.5A CN109767843B (zh) | 2019-01-18 | 2019-01-18 | 基于智能合约的传染病预警方法及传染病数据区块链系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109767843A true CN109767843A (zh) | 2019-05-17 |
| CN109767843B CN109767843B (zh) | 2020-02-11 |
Family
ID=66454206
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910046912.5A Active CN109767843B (zh) | 2019-01-18 | 2019-01-18 | 基于智能合约的传染病预警方法及传染病数据区块链系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109767843B (zh) |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111403046A (zh) * | 2020-03-16 | 2020-07-10 | 湖北亲缘互联传承网络有限公司 | 一种早期发现公共卫生的监测跟踪及分级适配系统与方法 |
| CN111415753A (zh) * | 2020-03-06 | 2020-07-14 | 杭州云象网络技术有限公司 | 一种基于区块链的疫情监测预警方法及系统 |
| CN111462918A (zh) * | 2020-03-29 | 2020-07-28 | 北京天仪百康科贸有限公司 | 一种基于区块链的疫情监控方法及系统 |
| CN111883259A (zh) * | 2020-07-17 | 2020-11-03 | 山西省信息产业技术研究院有限公司 | 一种基于区块链的重大突发疫情防控共识方法 |
| CN112002433A (zh) * | 2020-08-21 | 2020-11-27 | 苏州市星际云通区块链科技有限公司 | 一种区块链防疫手环综合管理系统 |
| CN112633701A (zh) * | 2020-12-25 | 2021-04-09 | 北京天仪百康科贸有限公司 | 基于区块链的交通工程道路裂缝的巡检方法及系统 |
| CN112700882A (zh) * | 2020-12-30 | 2021-04-23 | 华南师范大学 | 基于大数据人工智能的传染病的自适应预警方法和机器人 |
| CN113539510A (zh) * | 2021-04-23 | 2021-10-22 | 江苏大学 | 一种基于智能合约的新型传染病发现及管控系统 |
| CN114117553A (zh) * | 2022-01-28 | 2022-03-01 | 北京豪尔赛智慧城域科技有限公司 | 基于区块链的物联网终端的控制方法和系统 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107330283A (zh) * | 2017-07-06 | 2017-11-07 | 江苏省疾病预防控制中心 | 一种预警方法及装置 |
| CN107391944A (zh) * | 2017-07-27 | 2017-11-24 | 北京太云科技有限公司 | 一种基于区块链的电子病历共享系统 |
| CN108198627A (zh) * | 2017-12-20 | 2018-06-22 | 昆明理工大学 | 一种基于潜伏期传染病预警的方法 |
| CN108281198A (zh) * | 2017-12-19 | 2018-07-13 | 昆明理工大学 | 一种传染病前期预警的方法 |
| CN108596345A (zh) * | 2018-04-23 | 2018-09-28 | 薛泽 | 基于区块链的机器学习与犯错预警装置及方法 |
| CN109036579A (zh) * | 2018-08-22 | 2018-12-18 | 泰康保险集团股份有限公司 | 基于区块链的信息预测方法、装置、介质及电子设备 |
| CN109194710A (zh) * | 2018-07-19 | 2019-01-11 | 广州泽祺信息科技有限公司 | 一种基于区块链和智能合约的特定人员行为监管系统及方法 |
-
2019
- 2019-01-18 CN CN201910046912.5A patent/CN109767843B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107330283A (zh) * | 2017-07-06 | 2017-11-07 | 江苏省疾病预防控制中心 | 一种预警方法及装置 |
| CN107391944A (zh) * | 2017-07-27 | 2017-11-24 | 北京太云科技有限公司 | 一种基于区块链的电子病历共享系统 |
| CN108281198A (zh) * | 2017-12-19 | 2018-07-13 | 昆明理工大学 | 一种传染病前期预警的方法 |
| CN108198627A (zh) * | 2017-12-20 | 2018-06-22 | 昆明理工大学 | 一种基于潜伏期传染病预警的方法 |
| CN108596345A (zh) * | 2018-04-23 | 2018-09-28 | 薛泽 | 基于区块链的机器学习与犯错预警装置及方法 |
| CN109194710A (zh) * | 2018-07-19 | 2019-01-11 | 广州泽祺信息科技有限公司 | 一种基于区块链和智能合约的特定人员行为监管系统及方法 |
| CN109036579A (zh) * | 2018-08-22 | 2018-12-18 | 泰康保险集团股份有限公司 | 基于区块链的信息预测方法、装置、介质及电子设备 |
Non-Patent Citations (6)
| Title |
|---|
| MIGUEL CASTRO 等: "Practical Byzantine Fault Tolerance and Proactive Recovery", 《ACM TRANSACTIONS ON COMPUTER SYSTEMS》 * |
| 张洪龙 等: "移动百分位数法分地区设定预警阈值对传染病预警效果的影响分析", 《中国预防医学杂志》 * |
| 李媛 等: "深圳市2008-2011年传染病自动预警信息分析", 《中国公共卫生》 * |
| 范捷 等: "拜占庭系统技术研究综述", 《软件学报》 * |
| 袁勇 等: "区块链技术发展现状与展望", 《自动化学报》 * |
| 马芬 等: "传染病预警方法研究进展", 《卫生研究》 * |
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111415753A (zh) * | 2020-03-06 | 2020-07-14 | 杭州云象网络技术有限公司 | 一种基于区块链的疫情监测预警方法及系统 |
| CN111403046A (zh) * | 2020-03-16 | 2020-07-10 | 湖北亲缘互联传承网络有限公司 | 一种早期发现公共卫生的监测跟踪及分级适配系统与方法 |
| CN111403046B (zh) * | 2020-03-16 | 2024-05-14 | 湖北亲缘互联传承网络有限公司 | 一种早期发现公共卫生的监测跟踪及分级适配系统与方法 |
| CN111462918A (zh) * | 2020-03-29 | 2020-07-28 | 北京天仪百康科贸有限公司 | 一种基于区块链的疫情监控方法及系统 |
| CN111883259A (zh) * | 2020-07-17 | 2020-11-03 | 山西省信息产业技术研究院有限公司 | 一种基于区块链的重大突发疫情防控共识方法 |
| CN112002433A (zh) * | 2020-08-21 | 2020-11-27 | 苏州市星际云通区块链科技有限公司 | 一种区块链防疫手环综合管理系统 |
| CN112633701B (zh) * | 2020-12-25 | 2021-10-26 | 蚌埠科睿达机械设计有限公司 | 基于区块链的交通工程道路裂缝的巡检方法及系统 |
| CN112633701A (zh) * | 2020-12-25 | 2021-04-09 | 北京天仪百康科贸有限公司 | 基于区块链的交通工程道路裂缝的巡检方法及系统 |
| CN112700882A (zh) * | 2020-12-30 | 2021-04-23 | 华南师范大学 | 基于大数据人工智能的传染病的自适应预警方法和机器人 |
| CN112700882B (zh) * | 2020-12-30 | 2023-07-07 | 华南师范大学 | 基于大数据人工智能的传染病的自适应预警方法和机器人 |
| CN113539510A (zh) * | 2021-04-23 | 2021-10-22 | 江苏大学 | 一种基于智能合约的新型传染病发现及管控系统 |
| CN113539510B (zh) * | 2021-04-23 | 2024-09-03 | 江苏大学 | 一种基于智能合约的新型传染病发现及管控系统 |
| CN114117553A (zh) * | 2022-01-28 | 2022-03-01 | 北京豪尔赛智慧城域科技有限公司 | 基于区块链的物联网终端的控制方法和系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109767843B (zh) | 2020-02-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109767843A (zh) | 基于智能合约的传染病预警方法及传染病数据区块链系统 | |
| EP3111433B1 (en) | Wireless sensor network | |
| US20190228626A1 (en) | Wireless sensor network | |
| US20190342307A1 (en) | System and method for monitoring security attack chains | |
| US20180349797A1 (en) | Data driven methods and systems for what if analysis | |
| CN104395908B (zh) | 用于数据中心部件的网络安全监视系统和方法 | |
| CN109842628A (zh) | 一种异常行为检测方法及装置 | |
| WO2018095098A1 (zh) | 网络安全防护方法和装置 | |
| JP2005301975A (ja) | マルチサイト上の遠隔二重化リンクを経由するハートビート装置、及びその使用方法 | |
| WO2004038700A2 (en) | Method and system for validating logical end-to-end access paths in storage area networks | |
| CN107135093A (zh) | 一种基于有限自动机的物联网入侵检测方法及检测系统 | |
| JP2014112400A (ja) | アソシエーションルールマイニングを使用してコンピュータ環境内の計算エンティティ向けコンフィギュレーションルールを生成するための方法及び装置 | |
| US10540886B2 (en) | Network diagnostic tool for testing and commissioning building systems | |
| CN106991033A (zh) | 通知告警消息的方法、装置、服务器及可读存储介质 | |
| Al Qathrady et al. | Infection tracing in smart hospitals | |
| CN107454068B (zh) | 一种结合免疫危险理论的蜜网安全态势感知方法 | |
| CN112804333A (zh) | 出块节点的异常处理方法、装置、设备和存储介质 | |
| CN112804202B (zh) | 多网间数据安全交互方法、装置、服务器及存储介质 | |
| US9400729B2 (en) | System and method for determining topology of monitored entities | |
| CN108768774B (zh) | 一种定量化的网络安全评估方法及评估系统 | |
| Kirillin et al. | Simulation of the first and the second waves of COVID-19 spreading in Russian Federation regions using an agent-based model | |
| Veeraraghavan et al. | An intelligent agent based approach for intrusion detection and prevention in adhoc networks | |
| US11601353B2 (en) | Device identification apparatus and method based on network behavior | |
| Zhao | Towards trustworthy integrated clinical environments | |
| Valizadeh et al. | A Fault Tolerant Multi-Controller Framework for SDN DDoS Attacks Detection |
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 |