CN111683369B - 面向体域网数据传输的分级数字混沌加密方法 - Google Patents

面向体域网数据传输的分级数字混沌加密方法 Download PDF

Info

Publication number
CN111683369B
CN111683369B CN202010500791.XA CN202010500791A CN111683369B CN 111683369 B CN111683369 B CN 111683369B CN 202010500791 A CN202010500791 A CN 202010500791A CN 111683369 B CN111683369 B CN 111683369B
Authority
CN
China
Prior art keywords
sequence
chaotic
precision
digital
body area
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
Application number
CN202010500791.XA
Other languages
English (en)
Other versions
CN111683369A (zh
Inventor
庞宇
韩凯宁
王骏超
肖青
刘勇
马萃林
刘挺
杨利华
赵汝法
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chongqing Liangjiang Semiconductor Research Institute Co ltd
Chongqing University of Post and Telecommunications
China Mobile IoT Co Ltd
Original Assignee
Chongqing Liangjiang Semiconductor Research Institute Co ltd
Chongqing University of Post and Telecommunications
China Mobile IoT Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Chongqing Liangjiang Semiconductor Research Institute Co ltd, Chongqing University of Post and Telecommunications, China Mobile IoT Co Ltd filed Critical Chongqing Liangjiang Semiconductor Research Institute Co ltd
Priority to CN202010500791.XA priority Critical patent/CN111683369B/zh
Publication of CN111683369A publication Critical patent/CN111683369A/zh
Application granted granted Critical
Publication of CN111683369B publication Critical patent/CN111683369B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W12/00—Security arrangements; Authentication; Protecting privacy or anonymity
    • H04W12/02—Protecting privacy or anonymity, e.g. protecting personally identifiable information [PII]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B13/00—Transmission systems characterised by the medium used for transmission, not provided for in groups H04B3/00 - H04B11/00
    • H04B13/005—Transmission systems in which the medium consists of the human body
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
    • H04L9/001—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols using chaotic signals
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Computer Security & Cryptography (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明涉及一种面向体域网数据传输的分级数字混沌加密方法，属于体域网领域，包括以下步骤：S1：基于谱熵分析的有限精度数字混沌系统加密安全性预评估；S2：生成具有有效精度动态可调节特性的数字混沌序列；S3：对数字混沌序列进行二值化处理得到混沌密钥序列；S4：将混沌密钥序列与明文序列进行异或运算得到密文。在数字精度有限的体域网数据传输环境下，实现了保留精度可控的数字混沌序列发生器系统，通过谱熵分析算法，解决了有限精度下传统混沌判断方法无法定量评价混沌动力学退化程度的问题。有效降低了加密算法与数据运算的硬件开销，功耗仅占了三分之一的同时序列保留了良好的随机性，达到了生理敏感信息的加密要求。

Description

面向体域网数据传输的分级数字混沌加密方法
技术领域
本发明属于体域网领域，涉及一种面向体域网数据传输的分级数字混沌加密方法。
背景技术
体域网技术属于生物医学与信息科学的交叉领域，基本概念是通过附着于人体体表或植入体内以无线方式连接多个可穿戴式传感器节点形成通信距离不超过2米的局域网络。其中，传感器节点可采集如血压、心率、体温、血氧饱和度、心电、脑电等生命体征参数信息，可有效的应用于慢病监护、老年护理、急重症早期预防、突发疫情病患初筛分诊等场景。相比于普通无线传感网技术，其主要特点是多模态生命体征数据的混合传输，由此带来功耗开销挑战和私密安全性等需要解决的问题。
由于体域网生命体征数据传输的实时性要求，使得传统AES、RSA和DES等加密方法不再适合。国内外许多学者提出基于混沌系统的流加密方法来保护体域网数据传输的私密性和安全性。理想上来看，混沌系统具有初值(初始密钥)敏感性，产生的混沌序列难以预测和分析，且相比于传统分组加密方法具有更低的处理时延，非常适合于体域网生命体征数据传输。但是在实际工程应用中，受限于传感器节点芯片成本和功耗开销，混沌序列往往采用有限精度的数字电路进行生成，会出现短周期现象，使得混沌系统的安全性出现退化，难以兼顾体域网多模态数据混合传输对于传输速度、安全性、功耗敏感度的多样化需求。
发明内容
有鉴于此，本发明的目的在于利用谱熵分析的方法对不同有效精度条件下的混沌系统安全性进行评估分级，结合有效精度动态可调的数字电路实现架构，兼容体域网多模数据混合传输对于安全性和功耗开销的多样化需求，保证高敏感数据安全性的同时降低敏感信息加密的功耗开销，提供一种面向体域网数据传输的分级数字混沌加密方法。
为达到上述目的，本发明提供如下技术方案：
一种面向体域网数据传输的分级数字混沌加密方法，包括以下步骤：
S1：基于谱熵分析的有限精度数字混沌系统加密安全性预评估；
S2：生成具有有效精度动态可调节特性的数字混沌序列；
S3：对数字混沌序列进行二值化处理得到混沌密钥序列；
S4：将混沌密钥序列与明文序列进行异或运算得到密文。
进一步，采用logistic映射作为序列发生器，精度可控的随机序列发生器表达式为：
Figure BDA0002524613200000021
系统密钥为结构参数μ和初始值x0，其中xn表示第n次迭代产生的值，xn+1表示n+1次迭代产生的值，
Figure BDA0002524613200000022
表示取整之后数据保留的精度。
进一步，在门限判别中，生成的伪随机序列转化为二进制序列Sn，判别过程表示为：
Figure BDA0002524613200000023
进一步，根据明文图像I(M,N)的大小得到需要迭代的次数n＝M×N×8，(M,N)表示二位空间坐标系的一个坐标点，I(M,N)代表该点像素的灰度值，与图像在这一点的亮度相对应。
进一步，步骤S1中所述基于谱熵分析的算法计算过程包括以下步骤：
S11：对序列xn作离散傅里叶变换
Figure BDA0002524613200000024
其中k＝0,1,2,…,N-1
其中x(n)表示序列的第n个数的值，
Figure BDA0002524613200000025
表示复指数矩阵；
S12：计算功率谱
Figure BDA0002524613200000026
S13：计算序列总功率Ptot与相对功率谱概率Pk
Figure BDA0002524613200000027
Figure BDA0002524613200000028
S14：求序列谱熵
Figure BDA0002524613200000029
其中se的大小收敛于ln(N/2)
S15：谱熵归一化
Figure BDA00025246132000000210
本发明的有益效果在于：本发明提出了应用于无线人体局域网的流加密方案，在数字精度有限的体域网数据传输环境下，实现了保留精度可控的数字混沌序列发生器系统，根据明文数据大小、敏感性需求以及系统功耗等要求保留不同精度。通过谱熵分析算法，解决了有限精度下传统混沌判断方法(如正的Lyapunov指数、Kolmogorov熵等)无法定量评价混沌动力学退化程度的问题。有效降低了加密算法与数据运算的硬件开销，保留32位有效精度时，系统功率消耗仅为4.63uW,浮点数运算达到了13.58uW，功耗仅占了三分之一的同时序列保留了良好的随机性，达到了生理敏感信息的加密要求。
本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。
附图说明
为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作优选的详细描述，其中：
图1是本发明提出的，面向体域网数据传输的分级数字混沌加密方法流程图；
图2是归一化谱熵(SEN)与Lyapunov指数对比图；
图3是发送方发送的明文图片；
图4是接收方收到的密文图片。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。
其中，附图仅用于示例性说明，表示的仅是示意图，而非实物图，不能理解为对本发明的限制；为了更好地说明本发明的实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；对本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。
本发明实施例的附图中相同或相似的标号对应相同或相似的部件；在本发明的描述中，需要理解的是，若有术语“上”、“下”、“左”、“右”、“前”、“后”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此附图中描述位置关系的用语仅用于示例性说明，不能理解为对本发明的限制，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。
本发明提出的基于混沌的流加密系统适用于低功耗环境下的无线人体局域网(Wireless Body Area Network,WBAN)中敏感生理信息的加密，通过保留不同的有效精度，可以保证不同程度敏感信息的安全性，同时降低硬件功耗。本发明提出的分级数字混沌加密方法的流程参考图一，图2是谱熵值与Lyapunov指数对比，图3是发送方需要传送的明文图片，图4是接收方收到的密文图片。表格1列出了不同精度与不同长度的序列的归一化谱熵值(SEN)。
为了更清晰的阐述本发明的加密方法与原理，本说明书将详细描写图1的实施步骤与图2、表格1的内容及原理。
图1表示加密流程，本实例选用logistic映射作为序列发生器，表达式是一个简单的非线性迭代方程，其定义如下：
xn+1＝μ×xn×(1-xn)，xn∈[0,1]
系统密钥为结构参数μ和初始值x0，通信双方只有掌握正确的密钥才能实现信息传输，当3.569≤μ≤4时，系统出现混沌状态，迭代值在区间[0,1]内接近均匀分布。为保证数据精度可控性，将映射方程与向下取整函数结合，确保每次迭代都产生有限精度的定点数，因此精度可控的随机序列发生器表达式为：
Figure BDA0002524613200000041
在门限判别中，生成的伪随机序列将转化为二进制序列Sn，判别过程可以表示为：
Figure BDA0002524613200000042
一幅二维平面图像可以用I(M,N)来表示，(M,N)表示二位空间坐标系的一个坐标点，I(M,N)代表了该点像素的灰度值，与图像在这一点的亮度相对应。因此在数字图像加密过程中，根据明文图像I(M,N)的大小可以得到需要迭代的次数n＝M×N×8，将明文I(M,N)的每一个像素值表示为二进制，用序列Yn表示，二进制序列Yn与Sn通过异或得到在信道中传输的密文信息Zn，加密之前的明文图像I如图3，加密后的密文图像如图4。
Figure BDA0002524613200000043
图2为Lyapunov指数与谱熵(SEN)值的对比图，在混沌系统中，只要计算得到有一个正的Lyapunov指数，可以马上得出系统存在混沌吸引子，因而可以判定运动是混沌的，Lyapunov指数计算过程如下：
Figure BDA0002524613200000044
上式可以得到，定点数无法求得Lyapunov指数，因此引入谱熵算法，由图2可知，谱熵值可以量化系统的混沌动力学特性，而且数据可以由定点表示。谱熵算法计算过程如下：
(1)对序列xn作离散傅里叶变换
Figure BDA0002524613200000051
其中k＝0,1,2,…,N-1.
(2)计算功率谱
Figure BDA0002524613200000052
其中k＝0,1,2,…,N/2-1.
(3)计算序列总功率Ptot与相对功率谱概率Pk。
Figure BDA0002524613200000053
Figure BDA0002524613200000054
(4)求序列谱熵
Figure BDA0002524613200000055
其中se的大小收敛于ln(N/2).
(5)谱熵归一化
Figure BDA0002524613200000056
表格1列出了不同截位精度以及不同长度的混沌伪随机序列的谱熵值(SEN),当μ＝4，初始值xn∈(0,1)时，系统处于混沌状态，由表可知，32bit精度表示的序列谱熵值与浮点数序列谱熵值接近，具有良好的随机性，因此系统具有良好的安全性。
表1归一化谱熵(SEN)值
Figure BDA0002524613200000057
最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，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，而不脱离本技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (1)

1.一种面向体域网数据传输的分级数字混沌加密方法，其特征在于：包括以下步骤：
S1：基于谱熵分析的有限精度数字混沌系统加密安全性预评估；步骤S1中所述基于谱熵分析的算法计算过程包括以下步骤：
S11：对序列xn作离散傅里叶变换
Figure FDA0003874847740000011
其中k＝0,1,2,…,N-1
其中x(n)表示序列的第n个数的值，
Figure FDA0003874847740000012
表示复指数矩阵；
S12：计算功率谱
Figure FDA0003874847740000013
其中k＝0,1,2,…,N/2-1
S13：计算序列总功率Ptot与相对功率谱概率Pk
Figure FDA0003874847740000014
Figure FDA0003874847740000015
S14：求序列谱熵
Figure FDA0003874847740000016
其中se的大小收敛于ln(N/2)
S15：谱熵归一化
Figure FDA0003874847740000017
S2：生成具有有效精度动态可调节特性的数字混沌序列；
S3：对数字混沌序列进行二值化处理得到混沌密钥序列；
S4：将混沌密钥序列与明文序列进行异或运算得到密文；
采用logistic映射作为序列发生器，精度可控的随机序列发生器表达式为：
Figure FDA0003874847740000018
系统密钥为结构参数μ和初始值x0，其中xn表示第n次迭代产生的值，xn+1表示n+1次迭代产生的值，
Figure FDA0003874847740000019
表示取整之后数据保留的精度；
在门限判别中，生成的伪随机序列转化为二进制序列Sn，判别过程表示为：
Figure FDA00038748477400000110
根据明文图像I(M,N)的大小得到需要迭代的次数n＝M×N×8，(M,N)表示二位空间坐标系的一个坐标点，I(M,N)代表该点像素的灰度值，与图像在这一点的亮度相对应。
CN202010500791.XA 2020-06-04 2020-06-04 面向体域网数据传输的分级数字混沌加密方法 Active CN111683369B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010500791.XA CN111683369B (zh) 2020-06-04 2020-06-04 面向体域网数据传输的分级数字混沌加密方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010500791.XA CN111683369B (zh) 2020-06-04 2020-06-04 面向体域网数据传输的分级数字混沌加密方法

Publications (2)

Publication Number Publication Date
CN111683369A CN111683369A (zh) 2020-09-18
CN111683369B true CN111683369B (zh) 2023-02-17

Family

ID=72434907

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010500791.XA Active CN111683369B (zh) 2020-06-04 2020-06-04 面向体域网数据传输的分级数字混沌加密方法

Country Status (1)

Country Link
CN (1) CN111683369B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112311522B (zh) * 2020-09-23 2022-12-23 中国人民解放军火箭军工程大学 一种基于混合电路的信号压缩加密方法
CN113014396B (zh) * 2021-03-01 2022-07-22 重庆邮电大学 一种适用于wban数据实时加密传输的超轻量级加密方法
CN115001647A (zh) * 2021-03-02 2022-09-02 石家庄望峰科技有限公司 加密方法和心电监测系统
CN115021886A (zh) * 2021-03-03 2022-09-06 石家庄望峰科技有限公司 加密方法和心电监测系统
CN113645616A (zh) * 2021-08-16 2021-11-12 重庆邮电大学 一种适用于wban数据实时加密传输的超轻量级加密方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1471019A (zh) * 2003-06-26 2004-01-28 上海交通大学 基于余数图像的数字水印嵌入和提取方法
CN103886405A (zh) * 2014-02-20 2014-06-25 东南大学 一种基于信息熵特征和概率神经网络的锅炉燃烧工况识别方法
CN106375079A (zh) * 2016-09-22 2017-02-01 华侨大学 一种语音信息的混沌加密方法
CN106850184A (zh) * 2017-03-31 2017-06-13 西京学院 一种含有四个二次项的五维超混沌电路
CN108256274A (zh) * 2018-03-09 2018-07-06 南京师范大学 基于快速准确搜索吸引子误差算法的电力系统状态识别方法
CN110988511A (zh) * 2019-07-22 2020-04-10 华南理工大学 基于多重熵值特征提取的电力电子变换器非线性识别方法

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102184205B (zh) * 2011-04-28 2016-04-13 哈尔滨工业大学 基于可扩展精度混沌哈希的多模式串匹配方法
CN103929741B (zh) * 2014-03-14 2017-12-26 重庆邮电大学 一种基于函数认证的无线体域网数据加密与传输方法
US9438422B2 (en) * 2014-06-26 2016-09-06 Intel Corporation Chaotic-based synchronization for secure network communications
CN104320241B (zh) * 2014-07-16 2017-09-12 广东工业大学 基于整数域混沌的视频保密通信方法
CN104507085A (zh) * 2015-01-13 2015-04-08 重庆邮电大学 无线体域网数据加密方法
CN104751403B (zh) * 2015-04-23 2018-01-05 北京航空航天大学 一种基于多混沌系统的明文相关图像加密方法
CN108183799A (zh) * 2017-12-21 2018-06-19 上海理工大学 基于时间关联成像的混合密码方法
KR102031235B1 (ko) * 2018-03-02 2019-10-11 인천대학교 산학협력단 신체 영역 네트워크에서 카오스에 기반한 암호화 장치 및 방법
CN108737685B (zh) * 2018-05-15 2020-11-10 聊城大学 一种基于混沌的自适应机制的图像加密方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1471019A (zh) * 2003-06-26 2004-01-28 上海交通大学 基于余数图像的数字水印嵌入和提取方法
CN103886405A (zh) * 2014-02-20 2014-06-25 东南大学 一种基于信息熵特征和概率神经网络的锅炉燃烧工况识别方法
CN106375079A (zh) * 2016-09-22 2017-02-01 华侨大学 一种语音信息的混沌加密方法
CN106850184A (zh) * 2017-03-31 2017-06-13 西京学院 一种含有四个二次项的五维超混沌电路
CN108256274A (zh) * 2018-03-09 2018-07-06 南京师范大学 基于快速准确搜索吸引子误差算法的电力系统状态识别方法
CN110988511A (zh) * 2019-07-22 2020-04-10 华南理工大学 基于多重熵值特征提取的电力电子变换器非线性识别方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
基于SE和C0算法的连续混沌系统复杂度分析;叶晓林等;《大连工业大学学报》;20180115;全文 *
混沌伪随机序列的谱熵复杂性分析;孙克辉等;《物理学报》;20121128;正文第2-4节 *

Also Published As

Publication number Publication date
CN111683369A (zh) 2020-09-18

Similar Documents

Publication Publication Date Title
CN111683369B (zh) 面向体域网数据传输的分级数字混沌加密方法
Talhaoui et al. A new fractional one dimensional chaotic map and its application in high-speed image encryption
Gao Image encryption algorithm based on 2D hyperchaotic map
Zhang et al. An efficient image encryption scheme based on S-boxes and fractional-order differential logistic map
Volos et al. Image encryption process based on chaotic synchronization phenomena
Fang et al. A survey of image encryption algorithms based on chaotic system
Sarosh et al. A security management framework for big data in smart healthcare
Zhang et al. Characteristic analysis of 2D lag-complex logistic map and its application in image encryption
Lin et al. Synchronization of chaotic system using a brain-imitated neural network controller and its applications for secure communications
Niu et al. A new asymmetrical encryption algorithm based on semitensor compressed sensing in WBANs
Zhu et al. A novel iris and chaos-based random number generator
Liu et al. An energy-efficient compressed sensing-based encryption scheme for wireless neural recording
Pandey et al. Complexity sorting and coupled chaotic map based on 2D ECG data compression-then-encryption and its OFDM transmission with impair sample correction
Murillo-Escobar et al. Multibiosignal chaotic encryption scheme based on spread spectrum and global diffusion process for e-health
Xie et al. Novel medical image cryptogram technology based on segmentation and DNA encoding
Zhang et al. Multiple digital image encryption algorithm based on chaos algorithm
Tang et al. An image layered scrambling encryption algorithm based on a novel discrete chaotic map
Gao et al. An Image Encryption Algorithm Based on the Improved Sine‐Tent Map
Wei et al. Learning-based efficient sparse sensing and recovery for privacy-aware IoMT
Stoyanov Chaotic cryptographic scheme and its randomness evaluation
Roy et al. A chaotic framework and its application in image encryption
CN110635896A (zh) 连续变量量子密钥分发的盲参数估计方法
Gan et al. Visually meaningful image encryption scheme using multi-parameter fractal theory and block synchronous sorting diffusion
Abas et al. Radix Trie improved Nahrain chaotic map-based image encryption model for effective image encryption process
CN115277977A (zh) 基于fpga可配置浮点精度的混合混沌图像加密方法

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