CN110458662A - 反欺诈风控方法及装置 - Google Patents
反欺诈风控方法及装置 Download PDFInfo
- Publication number
- CN110458662A CN110458662A CN201910721881.9A CN201910721881A CN110458662A CN 110458662 A CN110458662 A CN 110458662A CN 201910721881 A CN201910721881 A CN 201910721881A CN 110458662 A CN110458662 A CN 110458662A
- Authority
- CN
- China
- Prior art keywords
- user
- company information
- information
- fraud
- enterprise
- 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
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0609—Buyer or seller confidence or verification
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例提供一种反欺诈风控方法及装置,其中,方法包括:采集用户及企业信息数据,包括:获取用户输入的用户信息和企业信息,通过OCR的方式识别用户上传的证件图像中的信息,从企业的业务平台获取企业信息数据,通过预设接口获取联盟链上的企业信息数据;对用户及企业信息数据中的用户信息进行验证;在用户信息验证通过后,对用户及企业信息数据中的企业信息进行验证;在企业信息验证通过后,基于所述用户及企业信息数据,在SGX多方安全计算服务端搭建的可信执行环境中分别进行实控人反欺诈风险评估、法人反欺诈风险评估和企业反欺诈风险评估。本发明实施例完善了数据来源,可保证数据的真实性和安全性,提高反欺诈风控的精准度。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及一种反欺诈风控方法及装置。
背景技术
随着信息技术飞速发展,互联网金融已经融入到日常生活中,为人们带来了极大的便利。然而,数据孤岛、数据虚假和信息泄露这些情况也随之而来,为了不让用户的利益受损,必须要完善金融风控体系,反欺诈就是风控体系的一部分。
现有的反欺诈风控平台包括信息提取、信息展示和信息验证三部分。信息提取一般都是由语音信号提取技术、光学字符识别技术、爬虫及语义分析构成,信息展示则是根据提取到的信息将其可视化,信息验证方面主要使用的是逻辑判断。图1为现有的反欺诈风控平台的原理示意图,图1中,数据采集库可以采集音频、图片、文字三种信息,分别对应电话录音、证件图片和文字信息,电话录音通过语音信号的方式传入数据采集库的声纹库中,并且实时提取特征;证件图片则是通过OCR(Optical Character Recognition,光学字符识别)技术识别,并扫描成文本信息存入文本库。数据采集库中的数据主要有两个作用,一是进行数据验证,二是进行数据展示。数据验证分为声音验证和文本验证两部分:声音验证是将传入的声音与声纹库中的声音进行音频匹配,然后得出结果;文字识别是将传入的文字与文本库中的文字根据反欺诈规则进行逻辑判断,得出结果。数据可视化中,声纹库中的数据参数建模配置也可以通过音频波形图的方式进行输出,得到理想的展示,而文本库中的数据通过各种可视化内置函数,例如Pandas、Matplotlib、seaborn得到的柱形图或散点图。同时数据验证中的结果也可以进行可视化展示,展示形式可以为音频、图像或是文字,根据不同的需求,调用不同的函数。
但是,现有的反欺诈风控平台的数据来源并不可靠,有被篡改的风险,而且获取数据的途径单一,无法保证数据的传输和计算过程中的安全,当数据量过大的时候,使用逻辑判断计算量大,影响效率。
发明内容
针对现有技术存在的问题,本发明实施例提供一种反欺诈风控方法及装置。
本发明实施例提供一种反欺诈风控方法,包括:
采集用户及企业信息数据,包括:获取用户输入的用户信息和企业信息,通过OCR的方式识别用户上传的证件图像中的信息,所述证件图像包括用户证件图像和企业证件图像,从企业的业务平台获取企业信息数据,通过预设接口获取联盟链上的企业信息数据;
对所述用户及企业信息数据中的用户信息进行验证;
在所述用户信息验证通过后,对所述用户及企业信息数据中的企业信息进行验证;
在所述企业信息验证通过后,基于所述用户及企业信息数据,在SGX多方安全计算服务端搭建的可信执行环境中,分别进行实控人反欺诈风险评估、法人反欺诈风险评估和企业反欺诈风险评估。
可选地,对所述用户及企业信息数据中的用户信息进行验证,包括:
将用户输入的用户信息与通过OCR的方式识别的用户证件图像中的信息进行对比;
若用户输入的用户信息与所述用户证件图像中的信息一致,则调用第三方验证服务验证所述用户证件图像中的信息是否真实有效;
若所述用户证件图像中的信息真实有效,则利用人脸识别与活体检测技术验证用户身份;
若人脸识别与活体检测技术的验证完成,则验证用户输入的用户信息是否在预设黑名单内,若否,则所述用户及企业信息数据中的用户信息验证通过。
可选地,对所述用户及企业信息数据中的企业信息进行验证,包括:
将用户输入的企业信息与通过OCR的方式识别的企业证件图像中的信息进行对比,所述企业证件图像为营业执照图像;
若用户输入的企业信息与所述企业证件图像中的信息一致,则将所述企业证件图像中的信息与通过第三方数据平台获取的企业工商登记的最新信息进行比对;
若所述企业证件图像中的信息与所述企业工商登记的最新信息一致且处于有效期内,则所述用户及企业信息数据中的企业信息验证通过。
可选地,基于所述用户及企业信息数据,在SGX多方安全计算服务端搭建的可信执行环境中,分别进行实控人反欺诈风险评估、法人反欺诈风险评估和企业反欺诈风险评估,包括:
在SGX多方安全计算服务端搭建的可信执行环境中,利用反欺诈规则引擎中预先设置的实控人反欺诈规则,判断所述企业信息数据中的企业实控人是否为可信实控人;
在SGX多方安全计算服务端搭建的可信执行环境中,利用反欺诈规则引擎中预先设置的法人反欺诈规则,判断所述企业信息数据中的企业法人是否为可信法人;
在SGX多方安全计算服务端搭建的可信执行环境中,利用反欺诈规则引擎中预先设置的企业反欺诈规则,判断所述企业信息数据中的企业进行欺诈的可能性。
可选地,在采集用户及企业信息数据之后,所述方法还包括:
若采集的用户及企业信息数据的数据量大于等于预设阈值,则利用机器学习算法,自动对所述用户及企业信息数据中的用户信息进行验证,在所述用户信息验证通过后,对所述用户及企业信息数据中的企业信息进行验证,在所述企业信息验证通过后,基于所述用户及企业信息数据,在SGX多方安全计算服务端搭建的可信执行环境中,分别进行实控人反欺诈风险评估、法人反欺诈风险评估和企业反欺诈风险评估。
可选地,所述方法还包括:
利用可视化技术,对采集的用户及企业信息数据、所述用户及企业信息数据中的用户信息的验证结果、所述用户及企业信息数据中的企业信息的验证结果、实控人反欺诈风险评估的结果、法人反欺诈风险评估的结果和企业反欺诈风险评估的结果分别进行展示。
本发明实施例提供一种反欺诈风控装置,包括:
采集模块,用于采集用户及企业信息数据,包括:获取用户输入的用户信息和企业信息,通过OCR的方式识别用户上传的证件图像中的信息,所述证件图像包括用户证件图像和企业证件图像,从企业的业务平台获取企业信息数据,通过预设接口获取联盟链上的企业信息数据;
第一验证模块,用于对所述用户及企业信息数据中的用户信息进行验证;
第二验证模块,用于在所述用户信息验证通过后,对所述用户及企业信息数据中的企业信息进行验证;
第三验证模块,用于在所述企业信息验证通过后,基于所述用户及企业信息数据,在SGX多方安全计算服务端搭建的可信执行环境中,分别进行实控人反欺诈风险评估、法人反欺诈风险评估和企业反欺诈风险评估。
可选地,所述装置还包括:
展示模块,用于利用可视化技术,对采集的用户及企业信息数据、所述用户及企业信息数据中的用户信息的验证结果、所述用户及企业信息数据中的企业信息的验证结果、实控人反欺诈风险评估的结果、法人反欺诈风险评估的结果和企业反欺诈风险评估的结果分别进行展示。
本发明实施例提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上述方法的步骤。
本发明实施例提供的反欺诈风控方法及装置,通过采集用户及企业信息数据,包括:获取用户输入的用户信息和企业信息,通过OCR的方式识别用户上传的证件图像中的信息,所述证件图像包括用户证件图像和企业证件图像,从企业的业务平台获取企业信息数据,通过预设接口获取联盟链上的企业信息数据,先对用户信息、企业信息进行验证,然后基于所述用户及企业信息数据,在SGX多方安全计算服务端搭建的可信执行环境中,分别进行实控人反欺诈风险评估、法人反欺诈风险评估和企业反欺诈风险评估,由此,通过增加与联盟链的预设接口来获取联盟链上的企业信息数据,完善了数据来源,保证了数据的真实性,使用SGX多方安全计算可保证数据安全,可提高反欺诈风控的精准度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图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的前提下,还可以根据这些附图获得其他的附图。
图1为现有的反欺诈风控平台的原理示意图;
图2为本发明一实施例提供的一种反欺诈风控方法的流程示意图;
图3为本发明实施例提供的SGX多方安全计算的逻辑结构示意图;
图4为本发明实施例提供的SGX多方安全计算服务端的具体架构示意图;
图5为本发明一实施例提供的一种反欺诈风控装置的结构示意图;
图6为本发明一实施例提供的电子设备的实体结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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2示出了本发明一实施例提供的一种反欺诈风控方法的流程示意图,如图2所示,本实施例的反欺诈风控方法,包括:
S1、采集用户及企业信息数据,包括:获取用户输入的用户信息和企业信息,通过OCR的方式识别用户上传的证件图像中的信息,所述证件图像包括用户证件图像和企业证件图像,从企业的业务平台获取企业信息数据,通过预设接口获取联盟链上的企业信息数据。
需要说明的是,本实施例的执行主体为反欺诈风控平台服务端。
可以理解的是,通过光学字符识别OCR的方式,能够识别出用户上传的证件图像中的文字信息。
在具体应用中,可以利用爬虫技术,从企业的业务平台获取企业信息数据。
可以理解的是,本实施例是为联盟链预设接口,通过所述预设接口可以获取联盟链上的企业信息数据。由于区块链是一个由多个节点组成的网络体系,如果一个节点遭到黑客的攻击或者是其他原因造成的摧毁,不会影对整个系统的安全,而且不会丢失数据。如果想篡改整个账本的数据,就必须控制整个系统的大部分节点,而这种情况基本上是没有办法实现的,因为随着区块的增加,节点也是会随之增加的,当节点的数量达到一定程度时,篡改数据的可能性基本上为零。基于这个原因,区块链上的数据安全得到极大的保障,几乎不存在被篡改的情况,对链上的信息进行反欺诈验证更能保证验证结果的真实性。
S2、对所述用户及企业信息数据中的用户信息进行验证。
可以理解的是,本实施例可以利用反欺诈规则引擎,对所述用户及企业信息数据中的用户信息进行验证,验证所述用户信息的真实性,预判所述用户信息是否为恶意注册的账户。
S3、在所述用户信息验证通过后,对所述用户及企业信息数据中的企业信息进行验证。
可以理解的是,本实施例可以利用反欺诈规则引擎,对所述用户及企业信息数据中的企业信息进行验证,验证所述企业信息的真实性,预判所述企业信息是否存在恶意注册的可能性。
S4、在所述企业信息验证通过后,基于所述用户及企业信息数据,在SGX(SoftwareGuard Extensions,软件保护扩充)多方安全计算服务端搭建的可信执行环境中,分别进行实控人反欺诈风险评估、法人反欺诈风险评估和企业反欺诈风险评估。
可以理解的是,多方安全计算可以解决数据传输以及运行过程中被篡改的情况。本实施例使用基于SGX的多方安全计算,那么在可信数据传输阶段,会计算节点和每个数据源节点,并且基于intel远程验证建立起可信信息传输通道,在安全计算阶段,使用SGX指令将受保护的数据放入内存的安全可信区域,免受外界干扰。因此在这项技术支持下,可以保证,数据的传输安全和平台计算安全。
本发明实施例提供的反欺诈风控方法,通过采集用户及企业信息数据,包括:获取用户输入的用户信息和企业信息,通过OCR的方式识别用户上传的证件图像中的信息,所述证件图像包括用户证件图像和企业证件图像,从企业的业务平台获取企业信息数据,通过预设接口获取联盟链上的企业信息数据,先对用户信息、企业信息进行验证,然后基于所述用户及企业信息数据,在SGX多方安全计算服务端搭建的可信执行环境中,分别进行实控人反欺诈风险评估、法人反欺诈风险评估和企业反欺诈风险评估,由此,通过增加与联盟链的预设接口来获取联盟链上的企业信息数据,完善了数据来源,保证了数据的真实性,使用SGX多方安全计算可保证数据安全,可提高反欺诈风控的精准度。
进一步地,在上述实施例的基础上,所述步骤S2可以包括:
将用户输入的用户信息与通过OCR的方式识别的用户证件图像中的信息进行对比;
若用户输入的用户信息与所述用户证件图像中的信息一致,则调用第三方验证服务验证所述用户证件图像中的信息是否真实有效;
若所述用户证件图像中的信息真实有效,则利用人脸识别与活体检测技术验证用户身份;
若人脸识别与活体检测技术的验证完成,则验证用户输入的用户信息是否在预设黑名单内,若否,则所述用户及企业信息数据中的用户信息验证通过。
可以理解的是,本实施例是先将用户输入的用户信息与通过OCR的方式识别的用户证件图像中的信息进行对比,并调用第三方验证服务验证所述用户证件图像中的信息是否真实有效,来确定用户信息的真实性,然后通过人脸识别与活体检测技术验证用户身份是真实的人,最后确定用户输入的用户信息不在预设黑名单内时,确定用户信息验证通过。
进一步地,在上述实施例的基础上,所述步骤S3中的“对所述用户及企业信息数据中的企业信息进行验证”,可以包括:
将用户输入的企业信息与通过OCR的方式识别的企业证件图像中的信息进行对比,所述企业证件图像为营业执照图像;
若用户输入的企业信息与所述企业证件图像中的信息一致,则将所述企业证件图像中的信息与通过第三方数据平台获取的企业工商登记的最新信息进行比对;
若所述企业证件图像中的信息与所述企业工商登记的最新信息一致且处于有效期内,则所述用户及企业信息数据中的企业信息验证通过。
可以理解的是,本实施例是通过将用户输入的企业信息与通过OCR的方式识别的企业证件图像中的信息进行对比,将所述企业证件图像中的信息与通过第三方数据平台获取的企业工商登记的最新信息进行比对,确定企业信息的真实性,若述企业证件图像中的信息与企业工商登记的最新信息一致且处于有效期内,则企业信息验证通过。
进一步地,在上述实施例的基础上,所述步骤S4中的“基于所述用户及企业信息数据,在SGX多方安全计算服务端搭建的可信执行环境中,分别进行实控人反欺诈风险评估、法人反欺诈风险评估和企业反欺诈风险评估”,可以包括:
在SGX多方安全计算服务端搭建的可信执行环境中,利用反欺诈规则引擎中预先设置的实控人反欺诈规则,判断所述企业信息数据中的企业实控人是否为可信实控人;
在SGX多方安全计算服务端搭建的可信执行环境中,利用反欺诈规则引擎中预先设置的法人反欺诈规则,判断所述企业信息数据中的企业法人是否为可信法人;
在SGX多方安全计算服务端搭建的可信执行环境中,利用反欺诈规则引擎中预先设置的企业反欺诈规则,判断所述企业信息数据中的企业进行欺诈的可能性。
具体地,在SGX多方安全计算服务端搭建的可信执行环境中,可以利用反欺诈规则引擎中预先设置的法人反欺诈规则,通过验证企业实控人/企业法人的犯罪前科、失信记录以及其他第三方个人征信服务等,判断所述企业信息数据中的企业实控人是否为可信实控人,企业法人是否为可信法人。
可以理解的是,本实施例中的SGX多方安全计算的逻辑结构如下图3所示。SGX多方安全计算服务端可以分为传输通道和多方计算两部分。数据的计算主要在多方计算部分完成,该部分的数据在SGX指令开辟的安全区域内进行,不受外部干扰。数据源服务端(本实施例中即为反欺诈风控平台服务端)接收来自SGX多方安全计算服务端的数字证书和远程验证报告,并且验证,验证无误后两端通过HTTPS协议进行双向认证并连接,确保生成一条安全可信的信息传输通道。通道生成完毕后,SGX多方安全计算端调用接口获取数据源服务器端的数据并且开始计算,计算过程调用enclave算法,将数据封装在CPU(中央处理器)中的安全的enclave环境,不被外部的攻击所侵扰。计算完成后,生成验证报告并发送至数据源服务端。SGX多方安全计算服务端的具体架构可参考图4,图4中,non-enclave可以调用enclave算法从外部读取外部的私钥和证书,并且保存,还可以通过ias远程验证保存私钥的证据文件;enclave的接口主要负责完成生成派发密钥、派发证书、通过SSL(安全套接层)连接请求数据,在enclave环境中进行多方计算。
进一步地,在上述实施例的基础上,在所述步骤S1采集用户及企业信息数据之后,本实施例所述方法还可以包括:
若采集的用户及企业信息数据的数据量大于等于预设阈值,则利用机器学习算法,自动对所述用户及企业信息数据中的用户信息进行验证,在所述用户信息验证通过后,对所述用户及企业信息数据中的企业信息进行验证,在所述企业信息验证通过后,基于所述用户及企业信息数据,在SGX多方安全计算服务端搭建的可信执行环境中,分别进行实控人反欺诈风险评估、法人反欺诈风险评估和企业反欺诈风险评估。
可以理解的是,在具体应用中,可以根据实际情况设置所述预设阈值,本实施例并不对其进行限制。
可以理解的是,当数据量达到一定的规模(大于等于预设阈值)之后,本实施例可以不再使用冗余的基于(实控人/法人/企业)反欺诈规则的逻辑验证,而是通过机器学习算法训练NLP(自然语言处理)模型(所述NLP模型可以将采集的信息与(实控人/法人/企业)反欺诈规则对比,进行判断)进行自动验证,可提高效率。
进一步地,在上述实施例的基础上,本实施例所述方法还可以包括:
利用可视化技术,对采集的用户及企业信息数据、所述用户及企业信息数据中的用户信息的验证结果、所述用户及企业信息数据中的企业信息的验证结果、实控人反欺诈风险评估的结果、法人反欺诈风险评估的结果和企业反欺诈风险评估的结果分别进行展示,例如可通过统计图进行展示。
可以理解的是,利用可视化技术,可更加直观的采集的用户及企业信息数据及反欺诈风控结果进行展示。
本发明实施例提供的反欺诈风控方法,实现了将反欺诈平台服务端与区块链业务进行对接,直接验证区块链上的信息。由于区块链上的数据非常真实,因此反欺诈平台服务端上的风控结果也更可靠,并且这种对接可以使得链上的数据更加方便的被验证。其次,使用爬虫技术,使得企业的业务平台(企业官网等业务平台)上的可靠数据能够及时被收集,提高工作效率。同时将采集的数据以及验证结果可以在平台上更加直观的展示,能更有公信力。并且,从区块链上获得数据以及数据运算都是在SGX多方安全计算服务端搭建的可信执行环境中进行,能保证数据安全。当数据量达到一定的规模之后,不再使用冗余的基于反欺诈规则逻辑验证,而是训练NLP模型进行自动验证,提高效率。
图5示出了本发明一实施例提供的一种反欺诈风控装置的结构示意图,如图5所示,本实施例的验证终端,包括:采集模块51、第一验证模块52、第二验证模块53和第三验证模块54;其中:
所述采集模块51,用于采集用户及企业信息数据,包括:获取用户输入的用户信息和企业信息,通过OCR的方式识别用户上传的证件图像中的信息,所述证件图像包括用户证件图像和企业证件图像,从企业的业务平台获取企业信息数据,通过预设接口获取联盟链上的企业信息数据;
所述第一验证模块52,用于对所述用户及企业信息数据中的用户信息进行验证;
所述第二验证模块53,用于在所述用户信息验证通过后,对所述用户及企业信息数据中的企业信息进行验证;
所述第三验证模块54,用于在所述企业信息验证通过后,基于所述用户及企业信息数据,在SGX多方安全计算服务端搭建的可信执行环境中,分别进行实控人反欺诈风险评估、法人反欺诈风险评估和企业反欺诈风险评估。
具体地,所述采集模块51采集用户及企业信息数据,包括:获取用户输入的用户信息和企业信息,通过OCR的方式识别用户上传的证件图像中的信息,所述证件图像包括用户证件图像和企业证件图像,从企业的业务平台获取企业信息数据,通过预设接口获取联盟链上的企业信息数据;所述第一验证模块52对所述用户及企业信息数据中的用户信息进行验证;所述第二验证模块53在所述用户信息验证通过后,对所述用户及企业信息数据中的企业信息进行验证;所述第三验证模块54在所述企业信息验证通过后,基于所述用户及企业信息数据,在SGX多方安全计算服务端搭建的可信执行环境中,分别进行实控人反欺诈风险评估、法人反欺诈风险评估和企业反欺诈风险评估。
需要说明的是,本实施例所述装置应用于反欺诈风控平台服务端。
可以理解的是,所述采集模块51通过光学字符识别OCR的方式,能够识别出用户上传的证件图像中的文字信息;所述采集模块51可以利用爬虫技术,从企业的业务平台获取企业信息数据。
可以理解的是,本实施例是为联盟链预设接口,通过所述预设接口可以获取联盟链上的企业信息数据。由于区块链是一个由多个节点组成的网络体系,如果一个节点遭到黑客的攻击或者是其他原因造成的摧毁,不会影对整个系统的安全,而且不会丢失数据。如果想篡改整个账本的数据,就必须控制整个系统的大部分节点,而这种情况基本上是没有办法实现的,因为随着区块的增加,节点也是会随之增加的,当节点的数量达到一定程度时,篡改数据的可能性基本上为零。基于这个原因,区块链上的数据安全得到极大的保障,几乎不存在被篡改的情况,对链上的信息进行反欺诈验证更能保证验证结果的真实性。
可以理解的是,所述第一验证模块52可以利用反欺诈规则引擎,对所述用户及企业信息数据中的用户信息进行验证,验证所述用户信息的真实性,预判所述用户信息是否为恶意注册的账户。
可以理解的是,所述第二验证模块53可以利用反欺诈规则引擎,对所述用户及企业信息数据中的企业信息进行验证,验证所述企业信息的真实性,预判所述企业信息是否存在恶意注册的可能性。
可以理解的是,多方安全计算可以解决数据传输以及运行过程中被篡改的情况。本实施例使用基于SGX的多方安全计算,那么在可信数据传输阶段,会计算节点和每个数据源节点,并且基于intel远程验证建立起可信信息传输通道,在安全计算阶段,使用SGX指令将受保护的数据放入内存的安全可信区域,免受外界干扰。因此在这项技术支持下,可以保证,数据的传输安全和平台计算安全。
本发明实施例提供的反欺诈风控装置,通过增加与联盟链的预设接口来获取联盟链上的企业信息数据,完善了数据来源,保证了数据的真实性,使用SGX多方安全计算可保证数据安全,可提高反欺诈风控的精准度。
进一步地,在上述实施例的基础上,所述第一验证模块52,可具体用于
将用户输入的用户信息与通过OCR的方式识别的用户证件图像中的信息进行对比;
若用户输入的用户信息与所述用户证件图像中的信息一致,则调用第三方验证服务验证所述用户证件图像中的信息是否真实有效;
若所述用户证件图像中的信息真实有效,则利用人脸识别与活体检测技术验证用户身份;
若人脸识别与活体检测技术的验证完成,则验证用户输入的用户信息是否在预设黑名单内,若否,则所述用户及企业信息数据中的用户信息验证通过。
可以理解的是,本实施例是先将用户输入的用户信息与通过OCR的方式识别的用户证件图像中的信息进行对比,并调用第三方验证服务验证所述用户证件图像中的信息是否真实有效,来确定用户信息的真实性,然后通过人脸识别与活体检测技术验证用户身份是真实的人,最后确定用户输入的用户信息不在预设黑名单内时,确定用户信息验证通过。
进一步地,在上述实施例的基础上,所述第二验证模块53,可具体用于
在所述用户信息验证通过后,将用户输入的企业信息与通过OCR的方式识别的企业证件图像中的信息进行对比,所述企业证件图像为营业执照图像;
若用户输入的企业信息与所述企业证件图像中的信息一致,则将所述企业证件图像中的信息与通过第三方数据平台获取的企业工商登记的最新信息进行比对;
若所述企业证件图像中的信息与所述企业工商登记的最新信息一致且处于有效期内,则所述用户及企业信息数据中的企业信息验证通过。
可以理解的是,本实施例是通过将用户输入的企业信息与通过OCR的方式识别的企业证件图像中的信息进行对比,将所述企业证件图像中的信息与通过第三方数据平台获取的企业工商登记的最新信息进行比对,确定企业信息的真实性,若述企业证件图像中的信息与企业工商登记的最新信息一致且处于有效期内,则企业信息验证通过。
进一步地,在上述实施例的基础上,所述第三验证模块54,可具体用于
在所述企业信息验证通过后,在SGX多方安全计算服务端搭建的可信执行环境中,利用反欺诈规则引擎中预先设置的实控人反欺诈规则,判断所述企业信息数据中的企业实控人是否为可信实控人;
在SGX多方安全计算服务端搭建的可信执行环境中,利用反欺诈规则引擎中预先设置的法人反欺诈规则,判断所述企业信息数据中的企业法人是否为可信法人;
在SGX多方安全计算服务端搭建的可信执行环境中,利用反欺诈规则引擎中预先设置的企业反欺诈规则,判断所述企业信息数据中的企业进行欺诈的可能性。
具体地,在SGX多方安全计算服务端搭建的可信执行环境中,可以利用反欺诈规则引擎中预先设置的法人反欺诈规则,通过验证企业实控人/企业法人的犯罪前科、失信记录以及其他第三方个人征信服务等,判断所述企业信息数据中的企业实控人是否为可信实控人,企业法人是否为可信法人。
可以理解的是,本实施例对SGX多方安全计算的说明可以参考上述方法实施例的说明,此处不再赘述。
进一步地,在上述实施例的基础上,本实施例所述装置还可以包括图中未示出的:
第四验证模块,用于若采集的用户及企业信息数据的数据量大于等于预设阈值,则利用机器学习算法,自动对所述用户及企业信息数据中的用户信息进行验证,在所述用户信息验证通过后,对所述用户及企业信息数据中的企业信息进行验证,在所述企业信息验证通过后,基于所述用户及企业信息数据,在SGX多方安全计算服务端搭建的可信执行环境中,分别进行实控人反欺诈风险评估、法人反欺诈风险评估和企业反欺诈风险评估。
可以理解的是,在具体应用中,可以根据实际情况设置所述预设阈值,本实施例并不对其进行限制。
可以理解的是,当数据量达到一定的规模(大于等于预设阈值)之后,本实施例可以不再使用冗余的基于(实控人/法人/企业)反欺诈规则的逻辑验证,而是通过机器学习算法训练NLP(自然语言处理)模型(所述NLP模型可以将采集的信息与(实控人/法人/企业)反欺诈规则对比,进行判断)进行自动验证,可提高效率。
进一步地,在上述实施例的基础上,本实施例所述装置还可以包括图中未示出的:
展示模块,用于利用可视化技术,对采集的用户及企业信息数据、所述用户及企业信息数据中的用户信息的验证结果、所述用户及企业信息数据中的企业信息的验证结果、实控人反欺诈风险评估的结果、法人反欺诈风险评估的结果和企业反欺诈风险评估的结果分别进行展示。
可以理解的是,利用可视化技术,可更加直观的采集的用户及企业信息数据及反欺诈风控结果进行展示。
本发明实施例提供的反欺诈风控装置,应用于反欺诈风控平台服务端,实现了将反欺诈平台服务端与区块链业务进行对接,直接验证区块链上的信息。由于区块链上的数据非常真实,因此反欺诈平台服务端上的风控结果也更可靠,并且这种对接可以使得链上的数据更加方便的被验证。其次,使用爬虫技术,使得企业的业务平台(企业官网等业务平台)上的可靠数据能够及时被收集,提高工作效率。同时将采集的数据以及验证结果可以在平台上更加直观的展示,能更有公信力。并且,从区块链上获得数据以及数据运算都是在SGX多方安全计算服务端搭建的可信执行环境中进行,能保证数据安全,。当数据量达到一定的规模之后,不再使用冗余的基于反欺诈规则逻辑验证,而是训练NLP模型进行自动验证,提高效率。
本发明实施例提供的反欺诈风控装置,可以用于执行前述方法实施例的技术方案,其实现原理和技术效果类似,此处不再赘述。
图6示出了本发明一实施例提供的一种电子设备的实体结构示意图,如图6所示,该电子设备可以包括存储器602、处理器601及存储在存储器602上并可在处理器601上运行的计算机程序,所述处理器601执行所述程序时实现上述方法的步骤,例如包括:采集用户及企业信息数据,包括:获取用户输入的用户信息和企业信息,通过OCR的方式识别用户上传的证件图像中的信息,所述证件图像包括用户证件图像和企业证件图像,从企业的业务平台获取企业信息数据,通过预设接口获取联盟链上的企业信息数据;对所述用户及企业信息数据中的用户信息进行验证;在所述用户信息验证通过后,对所述用户及企业信息数据中的企业信息进行验证;在所述企业信息验证通过后,基于所述用户及企业信息数据,在SGX多方安全计算服务端搭建的可信执行环境中,分别进行实控人反欺诈风险评估、法人反欺诈风险评估和企业反欺诈风险评估。
本发明实施例提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述方法的步骤,例如包括:采集用户及企业信息数据,包括:获取用户输入的用户信息和企业信息,通过OCR的方式识别用户上传的证件图像中的信息,所述证件图像包括用户证件图像和企业证件图像,从企业的业务平台获取企业信息数据,通过预设接口获取联盟链上的企业信息数据;对所述用户及企业信息数据中的用户信息进行验证;在所述用户信息验证通过后,对所述用户及企业信息数据中的企业信息进行验证;在所述企业信息验证通过后,基于所述用户及企业信息数据,在SGX多方安全计算服务端搭建的可信执行环境中,分别进行实控人反欺诈风险评估、法人反欺诈风险评估和企业反欺诈风险评估。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种反欺诈风控方法,其特征在于,包括:
采集用户及企业信息数据,包括:获取用户输入的用户信息和企业信息,通过OCR的方式识别用户上传的证件图像中的信息,所述证件图像包括用户证件图像和企业证件图像,从企业的业务平台获取企业信息数据,通过预设接口获取联盟链上的企业信息数据;
对所述用户及企业信息数据中的用户信息进行验证;
在所述用户信息验证通过后,对所述用户及企业信息数据中的企业信息进行验证;
在所述企业信息验证通过后,基于所述用户及企业信息数据,在SGX多方安全计算服务端搭建的可信执行环境中,分别进行实控人反欺诈风险评估、法人反欺诈风险评估和企业反欺诈风险评估。
2.根据权利要求1所述的反欺诈风控方法,其特征在于,对所述用户及企业信息数据中的用户信息进行验证,包括:
将用户输入的用户信息与通过OCR的方式识别的用户证件图像中的信息进行对比;
若用户输入的用户信息与所述用户证件图像中的信息一致,则调用第三方验证服务验证所述用户证件图像中的信息是否真实有效;
若所述用户证件图像中的信息真实有效,则利用人脸识别与活体检测技术验证用户身份;
若人脸识别与活体检测技术的验证完成,则验证用户输入的用户信息是否在预设黑名单内,若否,则所述用户及企业信息数据中的用户信息验证通过。
3.根据权利要求1所述的反欺诈风控方法,其特征在于,对所述用户及企业信息数据中的企业信息进行验证,包括:
将用户输入的企业信息与通过OCR的方式识别的企业证件图像中的信息进行对比,所述企业证件图像为营业执照图像;
若用户输入的企业信息与所述企业证件图像中的信息一致,则将所述企业证件图像中的信息与通过第三方数据平台获取的企业工商登记的最新信息进行比对;
若所述企业证件图像中的信息与所述企业工商登记的最新信息一致且处于有效期内,则所述用户及企业信息数据中的企业信息验证通过。
4.根据权利要求1所述的反欺诈风控方法,其特征在于,基于所述用户及企业信息数据,在SGX多方安全计算服务端搭建的可信执行环境中,分别进行实控人反欺诈风险评估、法人反欺诈风险评估和企业反欺诈风险评估,包括:
在SGX多方安全计算服务端搭建的可信执行环境中,利用反欺诈规则引擎中预先设置的实控人反欺诈规则,判断所述企业信息数据中的企业实控人是否为可信实控人;
在SGX多方安全计算服务端搭建的可信执行环境中,利用反欺诈规则引擎中预先设置的法人反欺诈规则,判断所述企业信息数据中的企业法人是否为可信法人;
在SGX多方安全计算服务端搭建的可信执行环境中,利用反欺诈规则引擎中预先设置的企业反欺诈规则,判断所述企业信息数据中的企业进行欺诈的可能性。
5.根据权利要求1所述的反欺诈风控方法,其特征在于,在采集用户及企业信息数据之后,所述方法还包括:
若采集的用户及企业信息数据的数据量大于等于预设阈值,则利用机器学习算法,自动对所述用户及企业信息数据中的用户信息进行验证,在所述用户信息验证通过后,对所述用户及企业信息数据中的企业信息进行验证,在所述企业信息验证通过后,基于所述用户及企业信息数据,在SGX多方安全计算服务端搭建的可信执行环境中,分别进行实控人反欺诈风险评估、法人反欺诈风险评估和企业反欺诈风险评估。
6.根据权利要求1所述的反欺诈风控方法,其特征在于,所述方法还包括:
利用可视化技术,对采集的用户及企业信息数据、所述用户及企业信息数据中的用户信息的验证结果、所述用户及企业信息数据中的企业信息的验证结果、实控人反欺诈风险评估的结果、法人反欺诈风险评估的结果和企业反欺诈风险评估的结果分别进行展示。
7.一种反欺诈风控装置,其特征在于,包括:
采集模块,用于采集用户及企业信息数据,包括:获取用户输入的用户信息和企业信息,通过OCR的方式识别用户上传的证件图像中的信息,所述证件图像包括用户证件图像和企业证件图像,从企业的业务平台获取企业信息数据,通过预设接口获取联盟链上的企业信息数据;
第一验证模块,用于对所述用户及企业信息数据中的用户信息进行验证;
第二验证模块,用于在所述用户信息验证通过后,对所述用户及企业信息数据中的企业信息进行验证;
第三验证模块,用于在所述企业信息验证通过后,基于所述用户及企业信息数据,在SGX多方安全计算服务端搭建的可信执行环境中,分别进行实控人反欺诈风险评估、法人反欺诈风险评估和企业反欺诈风险评估。
8.根据权利要求7所述的反欺诈风控装置,其特征在于,所述装置还包括:
展示模块,用于利用可视化技术,对采集的用户及企业信息数据、所述用户及企业信息数据中的用户信息的验证结果、所述用户及企业信息数据中的企业信息的验证结果、实控人反欺诈风险评估的结果、法人反欺诈风险评估的结果和企业反欺诈风险评估的结果分别进行展示。
9.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至6任一项所述方法的步骤。
10.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1至6任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910721881.9A CN110458662B (zh) | 2019-08-06 | 2019-08-06 | 反欺诈风控方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910721881.9A CN110458662B (zh) | 2019-08-06 | 2019-08-06 | 反欺诈风控方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110458662A true CN110458662A (zh) | 2019-11-15 |
CN110458662B CN110458662B (zh) | 2022-01-07 |
Family
ID=68485189
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910721881.9A Active CN110458662B (zh) | 2019-08-06 | 2019-08-06 | 反欺诈风控方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110458662B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111028072A (zh) * | 2019-12-06 | 2020-04-17 | 广州新丝路信息科技有限公司 | 一种供应链金融贷前尽调数据处理方法及系统 |
CN111506901A (zh) * | 2020-04-16 | 2020-08-07 | 腾讯科技(深圳)有限公司 | 基于区块链的数据处理方法、终端及存储介质 |
CN111798151A (zh) * | 2020-07-10 | 2020-10-20 | 深圳前海微众银行股份有限公司 | 企业欺诈风险评估方法、装置、设备及可读存储介质 |
CN112288449A (zh) * | 2020-11-20 | 2021-01-29 | 上海欧冶金融信息服务股份有限公司 | 一种用于风控供应链的用户身份验证方法及系统 |
CN113569263A (zh) * | 2021-07-30 | 2021-10-29 | 拉扎斯网络科技(上海)有限公司 | 跨私域数据的安全处理方法、装置及电子设备 |
CN114386984A (zh) * | 2022-03-23 | 2022-04-22 | 云账户技术(天津)有限公司 | 风险支付的处理方法、装置、电子设备及可读存储介质 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020169717A1 (en) * | 2001-05-09 | 2002-11-14 | International Business Machines Corporation | System and method for installing a remote credit card authorization on a system with a TCPA complaint chipset |
CN106875270A (zh) * | 2017-01-19 | 2017-06-20 | 上海冰鉴信息科技有限公司 | 一种构建及验证信用评分方程的方法和系统设计 |
CN107808098A (zh) * | 2017-09-07 | 2018-03-16 | 阿里巴巴集团控股有限公司 | 一种模型安全检测方法、装置以及电子设备 |
CN109544318A (zh) * | 2018-10-12 | 2019-03-29 | 深圳壹账通智能科技有限公司 | 风控报告的生成方法、装置、计算机设备及存储介质 |
CN109584040A (zh) * | 2018-10-25 | 2019-04-05 | 平安科技(深圳)有限公司 | 基于区块链的业务数据处理方法、装置、设备及存储介质 |
CN109636144A (zh) * | 2018-11-28 | 2019-04-16 | 优钱付(浙江)信息科技有限公司 | 区块链风险评估供应链金融方法、装置、设备及存储介质 |
CN109768865A (zh) * | 2019-01-18 | 2019-05-17 | 深圳市威赫科技有限公司 | 可信执行环境下的区块链上身份数字化实现方法及系统 |
CN109784933A (zh) * | 2019-01-23 | 2019-05-21 | 集奥聚合(北京)人工智能科技有限公司 | 一种基于数据变量的反欺诈规则模型构建系统及方法 |
CN109995776A (zh) * | 2019-03-26 | 2019-07-09 | 西安纸贵互联网科技有限公司 | 一种互联网数据验证方法及系统 |
CN110060168A (zh) * | 2019-04-18 | 2019-07-26 | 广东粤财金融云科技股份有限公司 | 一种基于联盟链技术进行投标电子保函业务管理系统及方法 |
-
2019
- 2019-08-06 CN CN201910721881.9A patent/CN110458662B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020169717A1 (en) * | 2001-05-09 | 2002-11-14 | International Business Machines Corporation | System and method for installing a remote credit card authorization on a system with a TCPA complaint chipset |
CN106875270A (zh) * | 2017-01-19 | 2017-06-20 | 上海冰鉴信息科技有限公司 | 一种构建及验证信用评分方程的方法和系统设计 |
CN107808098A (zh) * | 2017-09-07 | 2018-03-16 | 阿里巴巴集团控股有限公司 | 一种模型安全检测方法、装置以及电子设备 |
CN109544318A (zh) * | 2018-10-12 | 2019-03-29 | 深圳壹账通智能科技有限公司 | 风控报告的生成方法、装置、计算机设备及存储介质 |
CN109584040A (zh) * | 2018-10-25 | 2019-04-05 | 平安科技(深圳)有限公司 | 基于区块链的业务数据处理方法、装置、设备及存储介质 |
CN109636144A (zh) * | 2018-11-28 | 2019-04-16 | 优钱付(浙江)信息科技有限公司 | 区块链风险评估供应链金融方法、装置、设备及存储介质 |
CN109768865A (zh) * | 2019-01-18 | 2019-05-17 | 深圳市威赫科技有限公司 | 可信执行环境下的区块链上身份数字化实现方法及系统 |
CN109784933A (zh) * | 2019-01-23 | 2019-05-21 | 集奥聚合(北京)人工智能科技有限公司 | 一种基于数据变量的反欺诈规则模型构建系统及方法 |
CN109995776A (zh) * | 2019-03-26 | 2019-07-09 | 西安纸贵互联网科技有限公司 | 一种互联网数据验证方法及系统 |
CN110060168A (zh) * | 2019-04-18 | 2019-07-26 | 广东粤财金融云科技股份有限公司 | 一种基于联盟链技术进行投标电子保函业务管理系统及方法 |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111028072A (zh) * | 2019-12-06 | 2020-04-17 | 广州新丝路信息科技有限公司 | 一种供应链金融贷前尽调数据处理方法及系统 |
CN111506901A (zh) * | 2020-04-16 | 2020-08-07 | 腾讯科技(深圳)有限公司 | 基于区块链的数据处理方法、终端及存储介质 |
CN111506901B (zh) * | 2020-04-16 | 2023-09-05 | 腾讯科技(深圳)有限公司 | 基于区块链的数据处理方法、终端及存储介质 |
CN111798151A (zh) * | 2020-07-10 | 2020-10-20 | 深圳前海微众银行股份有限公司 | 企业欺诈风险评估方法、装置、设备及可读存储介质 |
CN111798151B (zh) * | 2020-07-10 | 2024-06-11 | 深圳前海微众银行股份有限公司 | 企业欺诈风险评估方法、装置、设备及可读存储介质 |
CN112288449A (zh) * | 2020-11-20 | 2021-01-29 | 上海欧冶金融信息服务股份有限公司 | 一种用于风控供应链的用户身份验证方法及系统 |
CN113569263A (zh) * | 2021-07-30 | 2021-10-29 | 拉扎斯网络科技(上海)有限公司 | 跨私域数据的安全处理方法、装置及电子设备 |
CN114386984A (zh) * | 2022-03-23 | 2022-04-22 | 云账户技术(天津)有限公司 | 风险支付的处理方法、装置、电子设备及可读存储介质 |
CN114386984B (zh) * | 2022-03-23 | 2022-06-10 | 云账户技术(天津)有限公司 | 风险支付的处理方法、装置、电子设备及可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110458662B (zh) | 2022-01-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110458662A (zh) | 反欺诈风控方法及装置 | |
CN111008592B (zh) | 分析面部识别数据和社交网络数据以供用户鉴别 | |
US8856922B2 (en) | Imposter account report management in a social networking system | |
US10135818B2 (en) | User biological feature authentication method and system | |
US8370262B2 (en) | System and method for performing secure online transactions | |
EP3794490A1 (en) | Dynamic risk detection and mitigation of compromised customer log-in credentials | |
US9800574B2 (en) | Method and apparatus for providing client-side score-based authentication | |
US10135830B2 (en) | Utilizing transport layer security (TLS) fingerprints to determine agents and operating systems | |
JP6619392B2 (ja) | 信頼されていないユーザ機器に関する情報の信頼できる提示のためのシステム及び方法 | |
JP2016520276A (ja) | デバイス証明を伴う生体認証に関するシステム及び方法 | |
CN104331652A (zh) | 指纹和语音识别的电子设备的动态密码生成方法 | |
US11785030B2 (en) | Identifying data processing timeouts in live risk analysis systems | |
Ndibwile et al. | An empirical approach to phishing countermeasures through smart glasses and validation agents | |
Zhu et al. | Secure Online Examination with Biometric Authentication and Blockchain‐Based Framework | |
CN110781952A (zh) | 图像识别风险提示方法、装置、设备及存储介质 | |
Buo | The emerging threats of deepfake attacks and countermeasures | |
Buccafurri et al. | Contrasting false identities in social networks by trust chains and biometric reinforcement | |
GB2555476A (en) | Apparatuses and methods for signing a legal document | |
Kannavara et al. | Topics in biometric human-machine interaction security | |
CN110690973A (zh) | 身份验证方法、装置、介质及电子设备 | |
TWI777915B (zh) | 具影像記錄功能的交易驗證系統及方法 | |
TWI767237B (zh) | 交易驗證系統及方法 | |
CN117787998B (zh) | 移动互联网安全支付验证方法及系统 | |
TWI777914B (zh) | 具指紋記錄功能的交易驗證系統及方法 | |
US20180219670A1 (en) | Sybil identification mechanism for fraudulent document detection through a cognitive based personal encryption key |
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 |