CN111064616B - 一种基于区块链的链式感知质量评测系统 - Google Patents
一种基于区块链的链式感知质量评测系统 Download PDFInfo
- Publication number
- CN111064616B CN111064616B CN201911313210.5A CN201911313210A CN111064616B CN 111064616 B CN111064616 B CN 111064616B CN 201911313210 A CN201911313210 A CN 201911313210A CN 111064616 B CN111064616 B CN 111064616B
- Authority
- CN
- China
- Prior art keywords
- data
- quality evaluation
- block chain
- evaluation
- evaluation system
- 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
Images
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
- H04L41/50—Network service management, e.g. ensuring proper service fulfilment according to agreements
- H04L41/5003—Managing SLA; Interaction between SLA and QoS
- H04L41/5009—Determining service level performance parameters or violations of service level contracts, e.g. violations of agreed response time or mean time between failures [MTBF]
-
- 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)
- Computer Security & Cryptography (AREA)
- Theoretical Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Computer Hardware Design (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明提供了一种基于区块链的链式感知质量评测系统,包括:数据采集及分布数据库、生物特征提取单位、主观QOE测评单元以及综合质量评测,整个系统基于块链结构,数据经由数据采集接口被采集后,分发到块链中的所有记账人节点的样本数据库保存;经过数据分析以及智能模型对样本数据进行质量评测,评测结果分发至块链中的所有记账人节点;在生物特征提取测评系统中,根据采集字段进行实验得到生物特征提取数据,再经数据分析以及智能模型对样本数据进行质量评测,评测结果分发至块链中的所有记账人节点;所有评测结果进行交叉校验后,将结果做为最终的质量标签标记在样本。
Description
技术领域
本发明涉及一种测量和评估移动流媒体业务用户体验感知QoE(QualityofExperience)的方法,尤其涉及一种基于区块链的链式感知质量评测系统。
背景技术
随着无线通信技术的高速发展,2G,3G网络逐渐被淘汰,4G网络高度成熟,5G网络快速发展和建设,无线网络逐渐从以网络设备为中心过渡到以终端客户为中心。所以运营商对于网络质量的评价也将由依靠网络侧基于KPI的评价转变为以终端客户的主观感受进行评价。由此产生了体验质量(Quality of Experience,QOE)的概念。它是指终端用户对业务与网络的主观体验,是终端用户在使用业务过程中建立起来的主观的综合感受,涉及人与网络、与业务内容等交互过程中的所有方面受到的影响。体验质量可以反映当前业务内容和网络传输质量与用户主观体验之间的关系。它综合了用户层面、服务层面和网络层面的所有影响因素,直接反映了终端用户对整个通信端到端服务的认可程度。
依靠终端客户对业务质量进行打分是一种典型的QOE测评方法,这种测评方法可以体现用户对于业务服务质量的综合感受。但是这种测评方法当终端客户群体数较大时,打分动态性会受人体偏见影响,存在随意性,很难取得规律一致的质量评测结果。同时基于终端用户信息构建的用户感知质量样本以及质量评测数据存放在一个中心数据库中,这些数据不透明,无法监督其质量评测的正确性或精确性,此外,一旦中心数据库损坏将无法确保系统安全性。
区块链是一个分布式的共享账本和数据库,具有去中心化、不可篡改、全程留痕、可以追溯、集体维护、公开透明等特点。这些特点保证了区块链的“诚实”与“透明”,为区块链创造信任奠定基础。而区块链丰富的应用场景,都基于区块链能够解决信息不对称问题,实现多个主体之间的协作信任与一致行动。在区块链技术中,根据节点选择的不同有不同类型的组织方式,其中行业区块链(Consortium Block Chains)是指由某个群体内部指定多个预选的节点为记账人,每个块的生成由所有的预选节点共同决定,其他接入节点可以参与交易,但不过问记账过程,本质上是托管记账,只是变成分布式记账,预选节点的多少,如何决定每个块的记账者成为该区块链的主要风险点。
发明内容
本发明的目的是为了克服上述结构存在的不足,提供为了解决上述感知质量评测系统中精确性和安全性的难题,提出了基于区块链的链式感知质量评测系统。
为解决上述技术问题,本发明所采用的技术方案是,一种新型基于区块链的链式感知质量评测系统,其特征在于,包括:
数据采集及分布数据库,所述数据来自于进行质量评测的本体,数据借助采集接口被采集;
生物特征提取单元,每个生物特征提取单元会维护两个分布数据库,样本数据库存储来自于数据采集接口的区块链相同的采集样本数据,评测数据库提供依据不同生物特征机制得到的质量评测系统及结果,通过实验进行数据采集,数据采集后,将进行一系列的数据处理分析,得到采集字段和生物特征的关系曲线做为生物特征评测系统;
主观QOE测评单元,主观QOE测评单元会维护两个分布数据库,样本数据库存储来自于数据采集接口的区块链相同的采集样本数据,评测数据库提供依据做为普通节点的终端用户的主观评分得到的质量评测系统及结果,基于数据采集接口获得字段数据和主观打分标签,被送入智能质量评估模型进行主观质量评测;
综合质量评测单元,从不同的记账人得到的评测结果要进行一定的处理后,将最终质量评测结果做为标签记录在每个采样样本中。
作为优选地,所述生物特征提取单元包括显性特征提取单元和/或隐性特征提取单元。
作为优选地,所述显性特征的面部表情特征。
作为优选地,所述隐性特征的脑电波特征。
作为优选地,所述面部表情特征提取单元包括获取采集字段数据后,根据其中的关键指标设计面部表情实验测试材料,通过实验进行数据采集,数据采集后,将进行一系列的数据处理分析,得到采集字段和面部表情的关系曲线做为面部表情生物特征评测系统。
作为优选地,所述脑电波特征提取单元获取采集字段数据后,根据其中的关键指标设计脑电实验测试材料,通过实验进行数据采集,数据采集后,将进行一系列的数据处理分析,得到采集字段和脑电反应的关系曲线做为脑电生物特征评测系统。
作为优选地,所述生物特征提取单元包括生物特征获取模块,预处理模块、特征提取模块以及感知质量匹配模块,所述生物特征获取模块包括摄像头拍摄模块或脑电信号采集模块,所述预处理模块包括图片预处理模块或信号预处理模块。
作为优选地,所述综合质量评测单元单元使用基于权重分配的交叉校验结构,计算每个样本的最终质量标签。
作为优选地,所述特征提取模块包括形状匹配优化、数据矩阵构建、频域特征提取以及时域特征提取组合成的模块组。
作为优选地,所述基于权重分配的方法具体为:
xi∈(x1,x2,x3,...,xN)
其中,xi是剔除坏点后不同评测机制得到的质量结果,α是所有参与权重计算的数据的均值,wi是每个评测质量结果的权重。剔除的坏点不参与最后的交叉校验结果计算。xfinal是最终获得的质量评测结果。
本发明的有益效果:
本发明为了提升质量评测系统的安全性,准确性和公开性,基于行业区块链概念,提出了链式感知质量评测系统,取消传统评测系统中的中心数据库和中心处理系统,建立一组记账人节点,记账人具备数据管理,质量评测和信息校验的能力,其他终端用户做为其他节点共存于块链,可以管理个体的共享信息以及获取个体质量评测数据。终端用户的采集数据和获得的质量评测数据做为块链的数据资产,分布于不同单元的用户QOE打分评测和多组用户生物特征评测系统做为记账人节点,用户QOE打分评测为基于用户主观评分的评测机制,生物特征评测机制包括人体的各个方面,脑电波,体温,眼球行为,面部表情等。基于此链式感知质量评测系统,用户采集数据共享并存于不同的记账人节点,质量评测结果由不同记账人节点提供,通过块链在记账人间共享,并基于不同感知测评结果进行校验后得到最终的质量感知评测结果,从而提高系统的安全性以及评测准确性。同时对其他终端用户节点保证一定的开放性和匿名性。
附图说明
图1是本发明的本发明系统框图;
图2是本发明的基于表情感知质量评测系统;
图3是本发明的基于脑电感知质量评测系统;
图4是本发明的链式感知质量评测系统流程;
图5是本发明的实施例结构框图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,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仅用以解释本发明,并不用于限定本发明。
如图1-5所示,一种基于区块链的链式感知质量评测系统,包括:
本发明系统框图如图1所示。
整个系统基于块链结构,包括若干记账人节点,可以获取采集的终端用户数据,并共享不同机制的感知质量评测数据。另外还包括做为普通节点的终端用户,普通节点会上报节点信息,并可以获知个体的感知质量评测数据。
整个系统主要包含以下几个组成部分:
数据采集及分布数据库;
生物特征提取单元;
主观QOE测评单元;
综合质量评测单元;
其中,数据采集及分布数据库:
数据来源来自于进行质量评测的本体,数据进入采集接口被采集:
数据采集载体:数据采集以硬件或者软件形式存在;
数据采集方式:周期或者以事件触发的方式进行,将被监测系统的关键指标做为不同字段进行采集,同时记录每一组采集样本对应的主观质量评分标签,该标签可以是单维度,也可以是多维度。
分布数据库:在每个记账人节点会存在两个节点数据库。
做为记账人节点的每个质量测评单元都是经过共识认证的机构。
样本数据库:采集接口采集的数据分发至每个记账人节点的样本数据库,确保所有记账人节点的样本数据库完全相同。
评测数据库:所有记账人节点依据样本数据库的数据进行不同机制的主观或者基于生物特征感知的质量评测,并将各自的评测结果分发给其他所有记账人节点。根据所有记账人节点获得的质量评测结果,区块链一致进行质量评测数据库的更新。
生物特征提取单元:
每个生物特征提取单元会维护两个分布数据库,样本数据库存储来自于数据采集接口的区块链相同的采集样本数据,评测数据库提供依据不同生物特征机制得到的质量评测系统及结果。
根据人的生物特征,可以分为显性生物特征和隐性生物特征。显性生物特征是指可以肉眼可见的外在特征,例如面部表情,眼球行为等,隐性生物特征是指人体内在无法直接肉眼可见的内在特征,例如脑电波,体温等。
考虑一般性,以显性特征的面部表情和隐性特征的脑电波做为实施例进行介绍。
如图2,是基于表情感知质量评测系统,面部表情(facial expression)是指通过眼部肌肉、颜面肌肉和口部肌肉的变化来表现各种情绪状态。面部表情是一种十分重要的非语言交往手段。面部表情可以分为八类:感兴趣—兴奋;高兴—喜欢;惊奇—惊讶;伤心—痛苦;害怕—恐惧;害羞—羞辱;轻蔑—厌恶;生气—愤怒。通过对面部表情的捕捉以及分析,可以获得真实的主观感受。
面部表情具有易于采集的优点,缺点是有时候真实面部表情持续时间短不易捕捉。需要进行高速图像捕获,并需要进行深度信号处理才能获得真实的面部表情分析结果。
根据不同业务,获取采集字段数据后,根据其中的关键指标设计面部表情实验测试材料,通过实验进行数据采集,数据采集后,将进行一系列的数据处理分析,得到采集字段和面部表情的关系曲线做为面部表情生物特征评测系统。
基于上述处理得到面部表情质量评测系统后,将采集样本进行质量评测即可得到基于面部表情感知的质量评测结果。
脑电信号(Electroencephalogram,EEG)是一种使用生理指标反映人类大脑活动的方法,大脑在活动时,大量神经元同步发生的突触后电位总和形成。它记录了大脑活动时的电波变化,是脑神经细胞的生理活动在大脑皮层或头皮表面的总体反映。由于人脑对于不同的外界刺激的反应区不同,反应的脑电波也不同,所以可以基于对于脑电信号的变化进行人感知变化的检测。
脑电信号具有反应快速的优点,适合快速环境变化触发的感知采集,例如视频,音频等业务。其不足是脑电信号在颅腔内的复杂反射造成采集信号复杂,需要进行深度信号分析及特征提取,才能获得清晰的脑电信号统计结果。
根据不同业务,获取采集字段数据后,根据其中的关键指标设计脑电实验测试材料,通过实验进行数据采集,数据采集后,将进行一系列的数据处理分析,得到采集字段和脑电反应的关系曲线做为脑电生物特征评测系统。
如图3,是基于脑电感知质量评测系统,基于上述处理得到脑电质量评测系统后,将采集样本进行质量评测即可得到基于脑电感知的质量评测结果。
主观QOE测评单元:
主观QOE测评单元会维护两个分布数据库,样本数据库存储来自于数据采集接口的区块链相同的采集样本数据,评测数据库提供依据做为普通节点的终端用户的主观评分得到的质量评测系统及结果。
基于数据采集接口获得字段数据和主观打分标签,被送入智能质量评估模型进行主观质量评测。质量评测依赖机器学习或者神经网络的方法,面对采集的字段数据和对应标签,进行分类处理以及趋势估计。通过质量评测结果以及采集字段对应的系统关键性能指标,进而进行不同的应用分析,例如故障分析,系统模拟和网络优化。算法模型库的具体算法和功能不在本发明范围内,这里不做详细介绍。基于主观评分处理系统得到的评测结果做为主观评分评测系统。
综合质量评测单元:
从不同的记账人得到的评测结果要进行一定的处理后,将最终质量评测结果做为标签记录在每个采样样本中,由于每个采样样本会被多种不同质量评测机制进行质量评测,可以充分提升质量评测的准确性,另外可以规避由于个别机制错误造成的误判。使用基于权重分配的交叉校验结构,计算每个样本的最终质量标签。
首先通过聚类的方法剔除误差较大的坏点,保留合理的评测结果。然后计算每个测评结果的权重。计算公式如下:
xi∈(x1,x2,x3,...,xN)
其中,xi是剔除坏点后不同评测机制得到的质量结果,α是所有参与权重计算的数据的均值,wi是每个评测质量结果的权重。剔除的坏点不参与最后的交叉校验结果计算。xfinal是最终获得的质量评测结果。
如图4,是链式感知质量评测系统流程数据经由数据采集接口被采集后,分发到块链中的所有记账人节点的样本数据库保存。在QOE评测系统中,经过数据分析以及智能模型对样本数据进行质量评测,评测结果分发至块链中的所有记账人节点。在生物特征提取测评系统中,首先根据采集字段进行实验得到生物特征提取数据,再经过数据分析以及智能模型对样本数据进行质量评测,评测结果分发至块链中的所有记账人节点。所有评测结果进行交叉校验后,将结果做为最终的质量标签标记在样本。
如图5,是基于上述方案实现的一种实施例,本发明所阐述的方法可以使用不同方式实现,软件,硬件,或者软硬件结合的方式。如下图5是一个基于软硬件结合的生物特征提取单元实施例举例。
数据管道可以以硬件/SDK/APP的形式存在,完成采集数据传输,并传输至云端的样本数据库,云端包含所有的数据库存储,智能模型库,数据处理,以及基于质量评测结果的评测数据库,所有云端结果以及功能控制通过用户UI与用户接口。用户UI可以以硬件/SDK/APP的形式存在。生物特征提取实验得到基础生物特征信息,并将信息传至云上用于样本数据的评测。
对于基于QOE的质量评测单元,结构和生物特征提取单元类似,不需要生物特征提取实验接口。
以上所述仅为本发明较佳的实施例而已,其结构并不限于上述列举的形状,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种新型基于区块链的链式感知质量评测系统,其特征在于,包括:数据采集及分布数据库,所述数据来自于进行质量评测的本体,数据借助采集接口被采集;
生物特征提取单元,每个生物特征提取单元会维护两个分布数据库,样本数据库存储来自于数据采集接口的区块链相同的采集样本数据,评测数据库提供依据不同生物特征机制得到的质量评测系统及结果,通过实验进行数据采集,数据采集后,将进行一系列的数据处理分析,得到采集字段和生物特征的关系曲线做为生物特征评测系统;
主观QOE测评单元,主观QOE测评单元会维护两个分布数据库,样本数据库存储来自于数据采集接口的区块链相同的采集样本数据,评测数据库提供依据做为普通节点的终端用户的主观评分得到的质量评测系统及结果,基于数据采集接口获得字段数据和主观打分标签,被送入智能质量评估模型进行主观质量评测;
综合质量评测单元,从不同的记账人得到的评测结果要进行一定的处理后,将最终质量评测结果做为标签记录在每个采样样本中;
整个系统基于块链结构,包括若干记账人节点,可以获取采集的终端用户数据,并共享不同机制的感知质量评测数据,另外还包括做为普通节点的终端用户,普通节点会上报节点信息,并可以获知个体的感知质量评测数据。
2.如权利要求1所述的一种基于区块链的链式感知质量评测系统,其特征在于:所述生物特征提取单元包括显性特征提取单元和/或隐性特征提取单元。
3.如权利要求2所述的一种基于区块链的链式感知质量评测系统,其特征在于:所述显性特征的面部表情特征。
4.如权利要求2所述的一种基于区块链的链式感知质量评测系统,其特征在于:所述隐性特征的脑电波特征。
5.如权利要求3所述的一种基于区块链的链式感知质量评测系统,其特征在于:所述面部表情特征提取单元包括获取采集字段数据后,根据其中的关键指标设计面部表情实验测试材料,通过实验进行数据采集,数据采集后,将进行一系列的数据处理分析,得到采集字段和面部表情的关系曲线做为面部表情生物特征评测系统。
6.如权利要求4所述的一种基于区块链的链式感知质量评测系统,其特征在于:所述脑电波特征提取单元获取采集字段数据后,根据其中的关键指标设计脑电实验测试材料,通过实验进行数据采集,数据采集后,将进行一系列的数据处理分析,得到采集字段和脑电反应的关系曲线做为脑电生物特征评测系统。
7.如权利要求2所述的一种基于区块链的链式感知质量评测系统,其特征在于:所述生物特征提取单元包括生物特征获取模块,预处理模块、特征提取模块以及感知质量匹配模块,所述生物特征获取模块包括摄像头拍摄模块或脑电信号采集模块,所述预处理模块包括图片预处理模块或信号预处理模块。
8.如权利要求1所述的一种基于区块链的链式感知质量评测系统,其特征在于:所述综合质量评测单元使用基于权重分配的交叉校验结构,计算每个样本的最终质量标签。
9.如权利要求7所述的一种基于区块链的链式感知质量评测系统,其特征在于:所述特征提取模块包括形状匹配优化、数据矩阵构建、频域特征提取以及时域特征提取组合成的模块组。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911313210.5A CN111064616B (zh) | 2019-12-19 | 2019-12-19 | 一种基于区块链的链式感知质量评测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911313210.5A CN111064616B (zh) | 2019-12-19 | 2019-12-19 | 一种基于区块链的链式感知质量评测系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111064616A CN111064616A (zh) | 2020-04-24 |
CN111064616B true CN111064616B (zh) | 2021-04-16 |
Family
ID=70302453
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911313210.5A Active CN111064616B (zh) | 2019-12-19 | 2019-12-19 | 一种基于区块链的链式感知质量评测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111064616B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111861117A (zh) * | 2020-06-16 | 2020-10-30 | 北京工业大学 | 一种基于联盟链的乐器评测数据共享方法及系统 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130124708A1 (en) * | 2011-11-10 | 2013-05-16 | Electronics And Telecommunications Research Institute | Method and system for adaptive composite service path management |
US10469263B2 (en) * | 2016-06-06 | 2019-11-05 | Refinitiv Us Organization Llc | Systems and methods for providing identity scores |
CN108492031A (zh) * | 2018-03-23 | 2018-09-04 | 重庆金窝窝网络科技有限公司 | 基于区块链的工作评价方法及装置 |
CN109684582A (zh) * | 2018-11-08 | 2019-04-26 | 张耀伦 | 一种信息资源的评测系统及方法 |
CN109525444A (zh) * | 2018-12-29 | 2019-03-26 | 厦门区块链云科技有限公司 | 一种内容质量评价方法 |
-
2019
- 2019-12-19 CN CN201911313210.5A patent/CN111064616B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN111064616A (zh) | 2020-04-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
George et al. | Recognition of emotional states using EEG signals based on time-frequency analysis and SVM classifier. | |
CN111728609B (zh) | 脑电信号的分类方法、分类模型的训练方法、装置及介质 | |
CN104871160B (zh) | 用于感觉和认知剖析的系统和方法 | |
CN112932502B (zh) | 结合互信息通道选择与混合神经网络的脑电情感识别方法 | |
Puengdang et al. | EEG-based person authentication method using deep learning with visual stimulation | |
CN112450947B (zh) | 一种针对情绪唤醒度的动态脑网络分析方法 | |
Qi et al. | Embedding deep networks into visual explanations | |
CN112381008A (zh) | 一种基于并行序列通道映射网络的脑电情感识别方法 | |
CN108597605A (zh) | 一种个人健康生活大数据采集与分析系统 | |
Li et al. | A novel method for the evaluation of fashion product design based on data mining | |
CN108881985A (zh) | 基于脑电情绪识别的节目评分系统 | |
CN110210194A (zh) | 电子合同显示方法、装置、电子设备及存储介质 | |
CN108256579A (zh) | 一种基于先验知识的多模态民族认同感量化测量方法 | |
CN110110584A (zh) | 一种基于cnn的情绪特征分类方法 | |
CN114781442A (zh) | 基于四维注意力卷积循环神经网络的疲劳分类方法 | |
CN110974219A (zh) | 一种基于侵入式bci的人脑意念识别系统 | |
CN109276243A (zh) | 脑电心理测试方法及终端设备 | |
Noh et al. | Single-trial EEG analysis predicts memory retrieval and reveals source-dependent differences | |
CN113313168A (zh) | 无人监考的智能防作弊自助考试系统 | |
CN107799180A (zh) | 基于认知行为疗法的心理资本提升训练方法及系统 | |
Dong et al. | Multi-reservoirs EEG signal feature sensing and recognition method based on generative adversarial networks | |
CN110675953B (zh) | 利用人工智能和大数据筛查识别精神病患者的系统 | |
CN115969392A (zh) | 基于张量化频空注意力域适应网络的跨时段脑纹识别方法 | |
Cao et al. | Feature-based encoding of face identity by single neurons in the human amygdala and hippocampus | |
CN111064616B (zh) | 一种基于区块链的链式感知质量评测系统 |
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 |