CN110138812B - 网络安全分析系统 - Google Patents
网络安全分析系统 Download PDFInfo
- Publication number
- CN110138812B CN110138812B CN201910623454.7A CN201910623454A CN110138812B CN 110138812 B CN110138812 B CN 110138812B CN 201910623454 A CN201910623454 A CN 201910623454A CN 110138812 B CN110138812 B CN 110138812B
- Authority
- CN
- China
- Prior art keywords
- task
- data
- node
- network
- module
- 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.)
- Active
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L63/00—Network architectures or network communication protocols for network security
- H04L63/14—Network architectures or network communication protocols for network security for detecting or protecting against malicious traffic
- H04L63/1408—Network architectures or network communication protocols for network security for detecting or protecting against malicious traffic by monitoring network traffic
- H04L63/1425—Traffic logging, e.g. anomaly detection
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
- H04L67/1001—Protocols in which an application is distributed across nodes in the network for accessing one among a plurality of replicated servers
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
- H04L67/1095—Replication or mirroring of data, e.g. scheduling or transport for data synchronisation between network nodes
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Computer Security & Cryptography (AREA)
- Computer Hardware Design (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
网络安全分析系统,包括用户网络安全监控模块、数据智能采集模块、大数据智能分析模块、网络安全事件评估模块和危险预警模块,所述用户网络安全监控模块用于收集网络安全设备中的网络数据,所述数据智能采集模块用于采集所述网络数据,并将所述网络数据发送至大数据智能分析模块进行分布式存储和处理,并对处理后的网络数据进行分析找出异常信息,所述网络安全事件评估模块用于根据所述异常信息对网络安全事件的风险进行评估,当评估的网络安全存在危险时即令危险预警模块进行预警。本发明提供一种网络安全分析系统,利用分布式的大数据处理模式能够有效的对获取的网络数据进行处理和分析,具有较高的处理效率和数据可靠性。
Description
技术领域
本发明创造涉及网络安全领域,具体涉及一种网络安全分析系统。
背景技术
随着互联网的创新发展与普及应用,维护与保障网络安全的重要性愈发突显,而现阶段网络信息数据存有量不断增长且速度加快的特点,对目前的网络安全分析工作提出了更高的要求,而大数据技术作为一种新型技术,在网络安全分析工作中得到了广泛应用。大数据技术的广泛应用,为网络安全分析与防御提供了新动力,成为网络安全分析系统构建中不可或缺的存在。
发明内容
针对上述问题,本发明旨在提供一种网络安全分析系统。
本发明创造的目的通过以下技术方案实现:
网络安全分析系统,包括用户网络安全监控模块、数据智能采集模块、大数据智能分析模块、网络安全事件评估模块和危险预警模块,所述用户网络安全监控模块用于监控用户端的网络安全设备,收集网络安全设备中的网络数据,所述数据智能采集模块用于采集用户网络安全监控模块收集的网络数据,并将所述网络数据发送至大数据智能分析模块,所述大数据智能分析模块用于对接收到的网络数据进行分布式存储和处理,并对处理后的网络数据进行分析,找出异常信息,所述网络安全事件评估模块用于根据所述异常信息对网络安全事件的风险进行评估,当评估的网络安全存在危险时即令危险预警模块进行预警;所述大数据智能分析模块包括大数据筛选单元、大数据处理单元和大数据分析单元,所述大数据筛选单元用于对接收到的网络信息进行筛选处理,过滤掉其中的离散数据,具体包括:
(1)选取部分正常的网络数据作为训练数据,采用长度为的滑动窗口将所述训练数据截取为多个长度为的样本集合,记为,其中,为截取的长度为的样本集合,为截取的样本集合数;
(2)设为待检测数据,采用长度为的滑动窗口截取前个数据和待检测数据组成待检测数据集合,则,从所述样本集合中选取待检测数据集合的个最近邻,组成待检测数据集合的最近邻集合,则,定义待检测数据集合对应的离散因子为,则的计算公式为:
式中,为最近邻的数量,为窗口长度,为数据集合的最近邻集合,且;
(3)当待检测数据对应的离散因子时,则判定待检测数据为离散数据,即过滤掉数据;
其中,为离散数据判断阈值,则离散数据判断阈值的计算公式为:
式中,为样本集合对应的离散因子,为样本集合数,为调节参数;所述大数据处理单元用于对筛选后的网络数据进行分布式存储和处理,所述大数据分析单元用于根据处理后的网络数据对网络安全进行分析。
优选地,所述危险预警模块包括蜂鸣器和指示灯。
优选地,所述大数据处理单元采用MapReduce数据处理框架对存储在HDFS中的网络数据进行处理,在处理过程中,对各个节点上的任务运行情况进行监控,当发现存在运行较慢任务时,即在其他节点上复制该任务的拷贝重新运行。
优选地,对各个节点上的任务运行进度进行监控,根据监控所得的节点中任务运行的进度信息预测任务的完成时间,当预测的任务完成时间满足下列条件时,则判定该节点中的任务为运行较慢任务,
式中,表示已完成任务的平均完成时间,为调节参数,且,表示对节点中任务的预测完成时间,则计算公式为:
式中,表示已经花费的时间,表示在时刻节点中任务运行的进度值,表示在时刻节点中任务运行的进度值,为权重系数,且,表示节点中当前任务阶段中已完成的进度,表示节点中任务的阶段权重,当节点中运行的任务为Map任务时,在Map任务的map阶段,令,,在Map任务的sort阶段,令,(其中,和分别为map任务的map阶段和sort阶段对应的时间权重);当节点中运行的任务为Reduce任务时,在Reduce任务的copy阶段,令,,在Reduce的sort阶段,令,,在Reduce任务的reduce阶段,令,(其中,、和分别为Reduce任务的copy阶段、sort阶段和reduce阶段对应的时间权重);表示在时刻节点中任务运行的速度,则的计算公式为:
式中,表示在时刻节点中任务运行的进度值,表示在时刻节点中任务运行的进度值,表示在时刻节点中任务运行的速度,表示权重系数,且。
优选地,对检测到的运行较慢任务,选择具有最大性能值的节点对该较慢任务进行任务备份,
式中,表示节点的性能值,表示节点中当前任务运行的速度,表示当前任务运行的平均速度,表示节点上的最大任务数,表示节点上当前的任务数,表示权重系数,取值为大于0小于1的随机数;
定义选取的具有最大性能值的节点为节点上的较慢任务进行数据备份的代价函数为,当代价函数的值大于0时,即在该选取的节点上进行任务备份,否则放弃备份,其中,的表达式为:
式中,表示节点中当前任务运行的速度,表示节点中当前任务运行的速度,表示在时刻节点中任务运行的进度。
本发明创造的有益效果:提供一种网络安全分析系统,利用分布式的大数据处理模式能够有效的对获取的网络数据进行处理和分析,具有较高的处理效率和数据可靠性,从而能够提高网络安全分析系统的可靠性。
附图说明
利用附图对发明创造作进一步说明,但附图中的实施例不构成对本发明创造的任何限制,对于本领域的普通技术人员,在不付出创造性劳动的前提下,还可以根据以下附图获得其它的附图。
图1是本发明结构示意图;
图2是本发明大数据智能分析模块结构示意图。
具体实施方式
结合以下实施例对本发明作进一步描述。
参见图1和图2,本实施例的一种网络安全分析系统,包括用户网络安全监控模块1、数据智能采集模块2、大数据智能分析模块3、网络安全事件评估模块4和危险预警模块5,所述用户网络安全监控模块1用于监控用户端的网络安全设备,收集网络安全设备中的网络数据,所述数据智能采集模块2用于采集用户网络安全监控模块收集的网络数据,并将所述网络数据发送至大数据智能分析模块3,所述大数据智能分析模块3用于对接收到的网络数据进行分布式存储和处理,并对处理后的网络数据进行分析找出异常信息,所述网络安全事件评估模块4用于根据所述异常信息对网络安全事件的风险进行评估,当评估的网络安全存在危险时即令危险预警模块5进行预警;所述大数据智能分析模块3包括大数据筛选单元31、大数据处理单元32和大数据分析单元33,所述大数据筛选单元31用于对接收到的网络数据进行筛选处理,过滤掉其中的离散数据,具体包括:
(1)选取部分正常的网络数据作为训练数据,采用长度为的滑动窗口将所述训练数据截取为多个长度为的样本集合,记为,其中,为截取的长度为的样本集合,为截取的样本集合数;
(2)设为待检测数据,采用长度为的滑动窗口截取前个数据和待检测数据组成待检测数据集合,则,从所述样本集合中选取待检测数据集合的个最近邻,组成待检测数据集合的最近邻集合,则,定义待检测数据集合对应的离散因子为,则的计算公式为:
式中,为最近邻的数量,为窗口长度,为数据集合的最近邻集合,且;
(3)当待检测数据对应的离散因子时,则判定待检测数据为离散数据,即过滤掉数据;
其中,为离散数据判断阈值,则离散数据判断阈值的计算公式为:
式中,为样本集合对应的离散因子,为样本集合数,为调节参数;所述大数据处理单元32用于对筛选后的网络数据进行分布式存储和处理,所述大数据分析单元33用于根据处理后的网络数据对网络安全进行分析。
优选地,所述危险预警模块5包括蜂鸣器和指示灯。
本优选实施例提供一种网络安全分析系统,利用分布式的大数据处理模式能够有效的对获取的网络数据进行处理和分析,具有较高的处理效率和数据可靠性,从而能够提高网络安全分析系统的可靠性;本优选实施例在大数据筛选单元中定义的离散因子能够有效的反应待检测数据在其最近邻中的稀疏程度与在其周围更大范围内的相对稀疏程度,可以表征该待检测数据点接近主要数据团的程度,从而可以根据该异常因子反应该检测数据的异常状态,此外,在该异常因子中,采用数据的变化量衡量数据间的距离,能够更加准确的反应数据间的波动情况。
优选地,所述大数据处理单元32采用MapReduce数据处理框架对存储在HDFS中的网络数据进行处理,在处理过程中,对各个节点上的任务运行情况进行监控,当发现存在运行较慢任务时,即在其他节点上复制该任务的拷贝重新运行。
优选地,对各个节点上的任务运行进度进行监控,根据监控所得的节点中任务运行的进度信息预测任务的完成时间,当预测的任务完成时间满足下列条件时,则判定该节点中的任务为运行较慢任务,
式中,表示已完成任务的平均完成时间,为调节参数,且,表示对节点中任务的预测完成时间,则计算公式为:
式中,表示已经花费的时间,表示在时刻节点中任务运行的进度值,表示在时刻节点中任务运行的进度值,为权重系数,且,表示节点中当前任务阶段中已完成的进度,表示节点中任务的阶段权重,当节点中运行的任务为Map任务时,在Map任务的map阶段,令,,在Map任务的sort阶段,令,(其中,和分别为Map任务的map阶段和sort阶段对应的时间权重);当节点中运行的任务为Reduce任务时,在Reduce任务的copy阶段,令,,在Reduce的sort阶段,令,,在Reduce任务的reduce阶段,令,(其中,、和分别为Reduce任务的copy阶段、sort阶段和reduce阶段对应的时间权重);表示在时刻节点中任务运行的速度,则的计算公式为:
式中,表示在时刻节点中任务运行的进度值,表示在时刻节点中任务运行的进度值,表示在时刻节点中任务运行的速度,表示权重系数,且。
本优选实施例在通过监控所得的每个时间段的任务进度,通过指数平滑方法,计算节点中任务运行的局部速度,任务运行的局部速度能够更为准确的描述当前任务运行的真实状况,根据计算所得任务运行的局部速度对节点中任务的完成时间进行预测,提高了任务完成时间的预测结果的准确性,从而能够有效的检测出运行较慢的任务;采用的指数平滑方法中,对指数平滑算法的权重系数选取方式进行改进,采用一种余弦函数形式的权重系数,能够有效的避免时间波动对任务运行的局部速度的计算结果的影响,采用的权重系数随着时间差值的大小动态变化,能够根据实际情况动态调节各项对任务运行速度的计算结果的影响程度,从而提高了算法的准确性。
优选地,对检测到的运行较慢任务,选择具有最大性能值的节点对该较慢任务进行任务备份,
式中,表示节点的性能值,表示节点中当前任务运行的速度,表示当前任务运行的平均速度,表示节点上的最大任务数,表示节点上当前的任务数,表示权重系数,取值为大于0小于1的随机数;
定义选取的具有最大性能值的节点为节点上的较慢任务进行数据备份的代价函数为,当代价函数的值大于0时,即在该选取的节点上进行任务备份,否则放弃备份,其中,的表达式为:
式中,表示节点中当前任务运行的速度,表示节点中当前任务运行的速度,表示在时刻节点中任务运行的进度。
本优选实施例通过节点任务运动的速度和当前的任务数,计算各个节点的性能值,选择具有最大性能值的节点对检测到的较慢任务进行任务备份,从而能够保证节点之间的负载均衡,提高了任务的运行效率;设置了备份任务启动的条件,规定只有当选取的备份节点满足条件时才会对较慢任务进行备份,从而能够有效的提高备份任务的效率,避免资源浪费。
最后应当说明的是,以上实施例仅用以说明本发明的技术方案,而非对本发明保护范围的限制,尽管参照较佳实施例对本发明作了详细地说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的实质和范围。
Claims (3)
1.网络安全分析系统,其特征是,包括用户网络安全监控模块、数据智能采集模块、大数据智能分析模块、网络安全事件评估模块和危险预警模块,所述用户网络安全监控模块用于监控用户端的网络安全设备,收集网络安全设备中的网络数据,所述数据智能采集模块用于采集用户网络安全监控模块收集的网络数据,并将所述网络数据发送至大数据智能分析模块,所述大数据智能分析模块用于对接收到的网络数据进行分布式存储和处理,并对处理后的网络数据进行分析,找出异常信息,所述网络安全事件评估模块用于根据所述异常信息对网络安全事件的风险进行评估,当评估的网络安全存在危险时即令危险预警模块进行预警;所述大数据智能分析模块包括大数据筛选单元、大数据处理单元和大数据分析单元,所述大数据筛选单元用于对接收到的网络数据进行筛选处理,过滤掉其中的离散数据,具体包括:
(1)选取部分正常的网络数据作为训练数据,采用长度为的滑动窗口将所述训练数据截取为多个长度为的样本集合,记为,其中,为截取的长度为的样本集合,为截取的样本集合数;
(2)设为待检测数据,采用长度为的滑动窗口截取前个数据和待检测数据组成待检测数据集合,则,从所述样本集合中选取待检测数据集合的个最近邻,组成待检测数据集合的最近邻集合,则,定义待检测数据集合对应的离散因子为,则的计算公式为:
式中,为最近邻的数量,为窗口长度,为数据集合的最近邻集合,且;
(3)当待检测数据对应的离散因子时,则判定待检测数据为离散数据,即过滤掉数据;
其中,为离散数据判断阈值,则离散数据判断阈值的计算公式为:
式中,为样本集合对应的离散因子,为样本集合数, 为调节参数;所述大数据处理单元用于对筛选后的网络数据进行分布式存储和处理,所述大数据分析单元用于根据处理后的网络数据对网络安全进行分析;
所述大数据处理单元采用MapReduce 数据处理框架对存储在HDFS 中的网络数据进行处理,在处理过程中,对各个节点上的任务运行情况进行监控,当发现存在运行较慢任务时,即在其他节点上复制该任务的拷贝重新运行,具体为:
对各个节点上的任务运行进度进行监控,根据监控所得的节点中任务运行的进度信息预测任务的完成时间,当预测的任务完成时间满足下列条件时,则判定该节点中的任务为运行较慢任务,
式中,表示已完成任务的平均完成时间,为调节参数,且,表示对节点中任务的预测完成时间,则计算公式为:
式中,表示已经花费的时间,表示在时刻节点中任务运行的进度值,表示在时刻节点中任务运行的进度值,为权重系数,且,表示节点中当前任务阶段中已完成的进度,表示节点中任务的阶段权重,当节点中运行的任务为任务时,在任务阶段,令,,在任务的阶段,令, ,其中,和分别为任务的阶段和阶段对应的时间权重;当节点中运行的任务为任务时,在任务的阶段,令, ,在的阶段,令,,在任务的阶段,令,,其中,、和分别为任务的阶段、阶段和阶段对应的时间权重;表示在时刻节点中任务运行的速度,则的计算公式为:
式中,表示在时刻节点中任务运行的进度值,表示在时刻节点中任务运行的进度值,表示在时刻节点中任务运行的速度,表示权重系数,且。
2.根据权利要求1 所述的网络安全分析系统,其特征是,对检测到的运行较慢任务,选择具有最大性能值的节点对该较慢任务进行任务备份,
式中,表示节点的性能值,表示节点中当前任务运行的速度,表示当前任务运行的平均速度,表示节点上的最大任务数,表示节点上当前的任务数,表示权重系数,取值大于0小于1的随机数;
定义选取的具有最大性能值的节点为节点上的较慢任务进行数据备份的代价函数为,当代价函数的值大于0 时,即在该选取的节点上进行任务备份,否则放弃备份,其中,的表达式为:
式中,表示节点中当前任务运行的速度,表示节点中当前任务运行的速度,表示在时刻节点中的任务运行的进度值。
3.根据权利要求1或2所述的网络安全分析系统,其特征是,所述危险预警模块包括蜂鸣器和指示灯。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910623454.7A CN110138812B (zh) | 2019-07-11 | 2019-07-11 | 网络安全分析系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910623454.7A CN110138812B (zh) | 2019-07-11 | 2019-07-11 | 网络安全分析系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110138812A CN110138812A (zh) | 2019-08-16 |
CN110138812B true CN110138812B (zh) | 2019-11-12 |
Family
ID=67566629
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910623454.7A Active CN110138812B (zh) | 2019-07-11 | 2019-07-11 | 网络安全分析系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110138812B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113958377B (zh) * | 2020-07-03 | 2023-04-07 | 东方电气股份有限公司 | 一种汽轮机网络安全实时在线监测系统及方法 |
CN114157463A (zh) * | 2021-11-23 | 2022-03-08 | 四川邮电职业技术学院 | 基于大数据分析的网络信息安全预警平台及预警方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108833442A (zh) * | 2018-07-25 | 2018-11-16 | 安徽三实信息技术服务有限公司 | 一种分布式网络安全监控装置及其方法 |
CN109639739A (zh) * | 2019-01-30 | 2019-04-16 | 大连理工大学 | 一种基于自动编码器网络的异常流量检测方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105871832B (zh) * | 2016-03-29 | 2018-11-02 | 北京理工大学 | 一种基于协议属性的网络应用加密流量识别方法及其装置 |
-
2019
- 2019-07-11 CN CN201910623454.7A patent/CN110138812B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108833442A (zh) * | 2018-07-25 | 2018-11-16 | 安徽三实信息技术服务有限公司 | 一种分布式网络安全监控装置及其方法 |
CN109639739A (zh) * | 2019-01-30 | 2019-04-16 | 大连理工大学 | 一种基于自动编码器网络的异常流量检测方法 |
Non-Patent Citations (2)
Title |
---|
"基于Hadoop的海量网络数据处理平台的关键技术研究";林文辉;《中国博士学位论文全文数据库(电子期刊)》;20150415;I138-22 * |
"异构分布式环境下基于MapReduce模型的任务调度算法研究";何翔;《中国优秀硕士学位论文全文数据库》;20140715;I138-11 * |
Also Published As
Publication number | Publication date |
---|---|
CN110138812A (zh) | 2019-08-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108418841B (zh) | 基于ai的下一代关键信息基础设施网络安全态势感知系统 | |
US11582249B2 (en) | Computer-implemented method and arrangement for classifying anomalies | |
CN105095747B (zh) | 一种Java应用健康度评估方法及系统 | |
CN104778111B (zh) | 一种进行报警的方法和装置 | |
CN111614491B (zh) | 一种面向电力监控系统安全态势评估指标选取方法及系统 | |
CN110138812B (zh) | 网络安全分析系统 | |
CN108268893B (zh) | 一种基于机器学习的化工园区预警方法及装置 | |
CN105871634A (zh) | 检测集群异常的方法及应用、管理集群的系统 | |
CN110032490A (zh) | 用于检测系统异常的方法及其装置 | |
CN104063747A (zh) | 一种分布式系统中的性能异常预测方法及系统 | |
US11620539B2 (en) | Method and device for monitoring a process of generating metric data for predicting anomalies | |
US10430268B2 (en) | Operations management system, operations management method and program thereof | |
CN104954192A (zh) | 一种网络流量监测方法和设备 | |
CN104182278B (zh) | 一种判定计算机硬件资源繁忙程度的方法和装置 | |
CN110333995A (zh) | 对工业设备运行状态进行监测的方法及装置 | |
CN110162422A (zh) | 一种基于决策树的问题定位方法和装置 | |
CN105915402A (zh) | 工业控制网络安全防护系统 | |
CN111897705A (zh) | 服务状态处理、模型训练方法、装置、设备和存储介质 | |
CN111679657A (zh) | 一种基于工控设备信号的攻击检测方法及系统 | |
CN101237357A (zh) | 工业无线传感器网络故障在线检测方法 | |
CN108989083B (zh) | 云环境下基于混合策略的故障检测性能优化方法 | |
CN104735063B (zh) | 一种用于云基础设施的安全评测方法 | |
CN112433908B (zh) | 确定检测服务器的间隔时间的方法、系统、设备及介质 | |
Robinson | Automated analysis of simulation output data | |
RU105042U1 (ru) | Система мониторинга работы пользователей с информационными ресурсами корпоративной компьютерной сети на основе моделирования поведения пользователей с целью поиска аномалий и изменений в работе |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20191017 Address after: 830001 room 2307, building 1, Hongyun Building, no.225, Youhao North Road, shaibak District, Urumqi, Xinjiang Uygur Autonomous Region Applicant after: Urumqi Jiuzhou Lingyun Electronic Technology Co., Ltd. Address before: Room 612-13, No. 2999 Ziyang Avenue, Nanchang Hi-tech Industrial Development Zone, Jiangxi Province Applicant before: Nanchang Norway Pharmaceutical Technology Co., Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |