CN111787011B - 一种信息系统安全威胁智能分析预警系统、方法及存储介质 - Google Patents
一种信息系统安全威胁智能分析预警系统、方法及存储介质 Download PDFInfo
- Publication number
- CN111787011B CN111787011B CN202010626367.XA CN202010626367A CN111787011B CN 111787011 B CN111787011 B CN 111787011B CN 202010626367 A CN202010626367 A CN 202010626367A CN 111787011 B CN111787011 B CN 111787011B
- Authority
- CN
- China
- Prior art keywords
- threat
- vulnerability
- knowledge base
- information
- knowledge
- 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
- 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
- H04L63/1433—Vulnerability analysis
-
- 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
- H04L41/145—Network analysis or design involving simulating, designing, planning or modelling of a network
-
- 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
- H04L41/147—Network analysis or design for predicting network behaviour
-
- 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
- H04L63/1441—Countermeasures against malicious traffic
- H04L63/145—Countermeasures against malicious traffic the attack involving the propagation of malware through the network, e.g. viruses, trojans or worms
Landscapes
- Engineering & Computer Science (AREA)
- Computer Security & Cryptography (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Computer Hardware Design (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Virology (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种信息系统安全威胁智能分析预警系统、方法及存储介质,本方案中专业知识库构建单元构建由机器自主学习及分析建模的专业知识库;威胁分析预测单元通过将目标系统目标信息与专业知识库进行自动化匹配,对目标系统存在的漏洞信息进行分析,对目标系统可能受到的安全威胁进行预测;威胁等级评估单元根据目标系统构成方案,以及威胁分析预测单元的预测结果构建攻击模型,量化各变量权重,评估系统威胁等级。本方案可有效对一个信息系统面临的多种安全威胁进行智能关联分析并进行高精度风险预警,在安全风险分析过程中协助安全人员分析网络安全威胁状态将有效缩短人工判断、验证时间,能够在短时间内智能确定信息系统风险等级。
Description
技术领域
本发明涉及互联网技术,具体涉及信息安全技术。
背景技术
当前,人们正处于大数据的时代,商业活动、社交网络以及各种类型的传感器,每天正源源不断地产生着数据。大数据具有数量大、速度快、多样性、不确定性等特点,这给数据的采集、存储、管理和分析都带来了许多挑战。
这些数据中,每个行业和职业的知识都在快速增加,这让所有专业人士都望尘莫及。在网络安全领域,威胁发现需具备实时性,如何将纷繁的数据化繁为简,实现类似人脑的认知与判断,发现新的关联和模式,从而作出正确的决策,就显得尤为重要。
发明内容
针对现有网络安全技术所存在的问题,需要一种新的网络安全方案。
为此,本发明的目的在于提供一种信息系统安全威胁智能分析预警系统,其可对信息系统安全威胁进行智能分析和预测;据此,本发明还进一步提供一种信息系统安全威胁智能分析预警方法,以及存储介质。
为了达到上述目的,本发明提供的信息系统安全威胁智能分析预警系统,包括:
专业知识库构建单元,所述专业知识库构建单元构建由机器自主学习及分析建模的专业知识库;
威胁分析预测单元,所述威胁分析预测单元通过将目标系统目标信息与专业知识库进行自动化匹配,对目标系统存在的漏洞信息进行分析,对目标系统可能受到的安全威胁进行预测;
威胁等级评估单元:所述威胁等级评估单元根据目标系统构成方案,以及威胁分析预测单元的预测结果构建攻击模型,量化各变量权重,评估系统威胁等级。
进一步地,所述专业知识库构建单元,包括漏洞信息库生成模块、漏洞关联威胁知识库构建模块、专业知识库构建模块,所述漏洞信息库生成模块通过爬虫对众多漏洞分析数据进行信息获取形成漏洞信息库,所述漏洞关联威胁知识库构建模块对生成的漏洞信息库进行建模,以建立漏洞关联威胁知识库,所述专业知识库构建模块基于漏洞关联威胁知识库实现可由机器自主学习及分析建模的专业知识库。
进一步地,所述专业知识库根据知识特性采用分层模式结构。
进一步地,所述专业知识库中构建知识可信度。
进一步地,所述威胁分析预测单元包括漏洞攻击效果定量评估模块、影响因子量化模块、攻击路线预测模块以及预测威胁结果模块。
为了达到上述目的,本发明提供的信息系统安全威胁智能分析预警方法,包括:
首先,构建由机器自主学习及分析建模的专业知识库;
接着,将目标系统目标信息与专业知识库进行自动化匹配,对目标系统存在的漏洞信息进行分析,对目标系统可能受到的安全威胁进行预测;
最后,根据目标系统构成方案,构建攻击模型,量化各变量权重,评估系统威胁等级。
进一步地,所述方法进行威胁风险分析预测时包括:
(5)定量评估漏洞攻击效果;
(6)量化影响因子;
(7)预测攻击路线;
(8)预测威胁结果。
进一步地,所述方法评估威胁等级时,首先综合攻击者意图,确定各指标对攻击破坏效果期望值的贡献程度;接着,利用数学方法对攻击反馈的指标值进行综合计算,得到量化的威胁等级评估值。
为了达到上述目的,本发明提供的存储介质,所述存储介质包括存储的程序,所述程序执行上述的信息系统安全威胁智能分析预警方法。
本发明提供的方案为一套用于将大量与信息系统相关联的信息系统安全威胁进行智能处理并转化为针对具体信息系统的精确度极高的风险预警的解决方案。本方案可有效对一个信息系统面临的多种安全威胁进行智能关联分析并进行高精度风险预警,在单个信息系统安全威胁分析以及海量信息系统安全风险分析过程中协助安全人员分析网络安全威胁状态将有效缩短人工判断、验证时间,能够在短时间内智能确定信息系统风险等级。
附图说明
以下结合附图和具体实施方式来进一步说明本发明。
图1为本发明实例中给出的一种漏洞攻击示例图;
图2为本发明实例中信息系统安全威胁智能分析预警技术效果图。
具体实施方式
为了使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解,下面结合具体图示,进一步阐述本发明。
智能感知技术可以让人们获得最好、最新的信息和洞察力。此外,认知系统可以获得各专业顶尖人士的知识和经验,然后将其作为知识库结合基础数据运用到推理模型中,实现智能分析预测工作。
据此,本实例给出一种能够根据信息系统存在的风险弱点判断出信息系统可能面临的最大安全威胁的信息系统安全威胁智能分析预警系统。
本系统针对信息系统中应用程序安全风险各个环节,对攻击者可能的攻击路径、威胁结果进行智能分析预测。
参见图1,由于攻击者可能通过利用应用程序中多种不同的漏洞、路径、方法对目标系统形成威胁,每种路径、方法都可能产生不同的威胁结果,这些威胁会产生不同严重程度的结果。
有时,这些路径、方法很容易被发现并利用,但有的则非常困难。同样,所造成危害的范围也从无损坏到有可能完全损害整个业务系统。
本方案为了确定系统风险,结合其产生的技术影响和对系统以及企业内网的影响,评估攻击向量和安全漏洞的威胁等级。
据此,本系统将对影响因素进行量化,分析其权重,根据现有系统信息及知识库预测攻击路径,评估系统风险等级。
基于上述的技术原理,本实例给出的信息系统安全威胁智能分析预警系统主要由专业知识库构建单元、威胁分析预测单元、以及威胁等级评估单元配合构成。
其中,专业知识库构建单元构建由机器自主学习及分析建模的专业知识库。
作为举例,这里的专业知识库构建单元具体由漏洞信息库生成模块、漏洞关联威胁知识库构建模块、专业知识库构建模块配合构成。
漏洞信息库生成模块通过爬虫对众多漏洞分析数据进行信息获取形成漏洞信息库;漏洞关联威胁知识库构建模块对漏洞信息库生成模块生成的漏洞信息库进行建模,以建立漏洞关联威胁知识库;专业知识库构建模块基于漏洞关联威胁知识库实现可由机器自主学习及分析建模的专业知识库。
威胁分析预测单元,通过将目标系统目标信息与专业知识库进行自动化匹配,对目标系统存在的漏洞信息进行分析,对目标系统可能受到的攻击路线、多种威胁后果、最大安全威胁进行预测;
威胁等级评估单元,根据目标系统构成方案,以及威胁分析预测单元的预测结果构建攻击模型,量化各变量权重,评估系统威胁等级。
本系统在具体实现时,具体可相应的软件程序形式呈现,并可存储在相应的存储介质中,这里对于存储介质的构型形式不加以限定。
针对上述方案,以下通过以具体应用实例来进一步说明其实施过程。
本实例基于信息系统安全威胁智能分析预警系统对信息系统安全威胁进行智能分析预警时主要包括:专业知识库建设,威胁分析预测以及威胁等级评估这三步骤。
(一)专业知识库建设。
这里的知识库具体是基于知识的系统(或专家系统),具有智能性。建立知识库,必定要对原有的信息和知识做一次大规模的收集和整理,按照一定的方法进行分类保存,并提供相应的检索手段。由此,大量隐含知识被编码化和数字化,使得信息和知识从原来的混乱状态变得有序化。这样方便信息和知识的检索,并为有效使用打下了基础。
进一步地,本知识库根据知识特性采用分层模式建设。最底层是“事实知识”(即具体漏洞知识),中间层是用来控制“事实”的知识(即关联、规则、过程等);最高层次是“策略”,其以中间层知识为控制对象。策略也作为规则的规则。故本知识库的基本结构是层次结构,是由其知识本身的特性所确定的。在知识库中,知识片间通常都存在相互依赖关系。规则作为最典型、最常用的一种知识片。
再进一步地,本知识库中还进行知识可信度构建,使得本知识库中有一种不只属于某一层次(或者说在任一层次都存在)的特殊形式的知识——可信度(或称信任度,置信测度等)。由此,对某一问题,有关事实、规则和策略都可标以可信度。这样,就形成对现有分析进行量化,在数据库中不存在不确定性度量。
(二)基于知识库的系统安全威胁分析预测。
这里基于知识库的系统安全威胁分析预测的过程如下步骤:
1)漏洞攻击效果定量评估:首先对常见的网络攻击行为进行分类,将其分为获取信息类漏洞、篡改信息类漏洞、利用服务类漏洞、拒绝服务类漏洞和获取权限类漏洞;然后通过分析各类漏洞的特点、目标等得到用于详细描述各类漏洞特性的指标,其中需要对漏洞利用条件进行量化,结合攻击者的意图,进一步确定各指标对攻击效果的定量结果。
2)影响因子量化:针对各个漏洞特点及利用条件,分析成功利用漏洞所需条件,根据信息探测、大数据等方式获取影响因子权值。
3)攻击路线预测:分析每个漏洞攻击效果,结合各个漏洞之间利用关系,根据威胁等级制定多种攻击路线。
4)威胁结果预测。
(三)威胁等级评估。
这里进行威胁等级评估时,首先,综合攻击者意图,确定各指标对攻击破坏效果期望值的贡献程度,也即权重;最后,利用数学方法对攻击反馈的指标值进行综合计算,得到量化的威胁等级评估值(如图2所示)。
这里进行威胁等级评估的过程如下:
1)遍历某一种攻击方案中每一个原子攻击;
2)选取评估指标;
3)确定指标权重;
4)计算攻击效果综合值。
由上可知,本方案可有效对一个信息系统面临的多种安全威胁进行智能关联分析并进行高精度风险预警,在单个信息系统安全威胁分析以及海量信息系统安全风险分析过程中协助安全人员分析网络安全威胁状态将有效缩短人工判断、验证时间,能够在短时间内智能确定信息系统风险等级。
最后,需要说明的,上述本发明的方法,或特定系统单元、或其部份单元,为纯软件架构,可以透过程序代码布设于实体媒体,如硬盘、光盘片、或是任何电子装置(如智能型手机、计算机可读取的储存媒体),当机器加载程序代码且执行(如智能型手机加载且执行),机器成为用以实行本发明的装置。上述本发明的方法与装置亦可以程序代码型态透过一些传送媒体,如电缆、光纤、或是任何传输型态进行传送,当程序代码被机器(如智能型手机)接收、加载且执行,机器成为用以实行本发明的装置。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (6)
1.信息系统安全威胁智能分析预警系统,其特征在于,所述分析预警系统由专业知识库构建单元、威胁分析预测单元、以及威胁等级评估单元配合构成;
所述专业知识库构建单元构建由机器自主学习及分析建模的专业知识库;所述专业知识库构建单元具体由漏洞信息库生成模块、漏洞关联威胁知识库构建模块、专业知识库构建模块配合构成;所述漏洞信息库生成模块通过爬虫对众多漏洞分析数据进行信息获取形成漏洞信息库;漏洞关联威胁知识库构建模块对漏洞信息库生成模块生成的漏洞信息库进行建模,以建立漏洞关联威胁知识库;专业知识库构建模块基于漏洞关联威胁知识库实现可由机器自主学习及分析建模的专业知识库;所述专业知识库构建单元构建专业知识库时,通过构建的由机器自主学习及分析建模的专业知识库的对原有的信息和知识做一次大规模的收集和整理,按照预定方法进行分类保存,并提供相应的检索手段,将大量隐含知识被编码化和数字化;所述专业知识库根据知识特性采用分层模式建设,最底层为具体漏洞知识层,中间层是用来控制漏洞知识层中漏洞知识的控制知识层,最高层是以中间层知识为控制对象的策略层;所述知识库中还进行知识可信度构建,使得知识库中有一种不只属于某一层次的特殊形式的知识,即可信度,据此对某一问题,有关事实、规则和策略标以可信度,形成对现有分析进行量化;
所述威胁分析预测单元通过将目标系统目标信息与专业知识库进行自动化匹配,对目标系统存在的漏洞信息进行分析,对目标系统可能受到的攻击路线、多种威胁后果、最大安全威胁进行预测;所述威胁分析预测单元可进行漏洞攻击效果定量评估,首先对常见的网络攻击行为进行分类,将其分为获取信息类漏洞、篡改信息类漏洞、利用服务类漏洞、拒绝服务类漏洞和获取权限类漏洞;然后通过分析各类漏洞的特点、目标等得到用于详细描述各类漏洞特性的指标,其中需要对漏洞利用条件进行量化,结合攻击者的意图,进一步确定各指标对攻击效果的定量结果;
威胁等级评估单元:所述威胁等级评估单元根据目标系统构成方案,以及威胁分析预测单元的预测结果构建攻击模型,量化各变量权重,评估系统威胁等级。
2.根据权利要求1所述的信息系统安全威胁智能分析预警系统,其特征在于,所述威胁分析预测单元包括漏洞攻击效果定量评估模块、影响因子量化模块、攻击路线预测模块以及预测威胁结果模块。
3.信息系统安全威胁智能分析预警方法,其特征在于,所述分析预警方法基于权利要求1或2所述的信息系统安全威胁智能分析预警系统实施,
首先,构建由机器自主学习及分析建模的专业知识库;由机器自主学习及分析建模的专业知识库;并通过构建的由机器自主学习及分析建模的专业知识库的对原有的信息和知识做一次大规模的收集和整理,按照预定方法进行分类保存,并提供相应的检索手段,将大量隐含知识被编码化和数字化;同时在专业知识库中进行知识可信度构建;所述专业知识库根据知识特性采用分层模式建设,最底层为具体漏洞知识层,中间层是用来控制漏洞知识层中漏洞知识的控制知识层,最高层是以中间层知识为控制对象的策略层;
接着,将目标系统目标信息与专业知识库进行自动化匹配,对目标系统存在的漏洞信息进行分析,对目标系统可能受到的安全威胁进行预测;
最后,根据目标系统构成方案,构建攻击模型,量化各变量权重,评估系统威胁等级。
4.根据权利要求3所述的信息系统安全威胁智能分析预警方法,其特征在于,所述方法进行威胁风险分析预测时包括:
(1)定量评估漏洞攻击效果;
(2)量化影响因子;
(3)预测攻击路线;
(4)预测威胁结果。
5.根据权利要求3所述的信息系统安全威胁智能分析预警方法,其特征在于,所述方法评估威胁等级时,首先综合攻击者意图,确定各指标对攻击破坏效果期望值的贡献程度;接着,利用数学方法对攻击反馈的指标值进行综合计算,得到量化的威胁等级评估值。
6.存储介质,所述存储介质包括存储的程序,其特征在于,所述程序执行权利要求3-5中任一项所述的信息系统安全威胁智能分析预警方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010626367.XA CN111787011B (zh) | 2020-07-01 | 2020-07-01 | 一种信息系统安全威胁智能分析预警系统、方法及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010626367.XA CN111787011B (zh) | 2020-07-01 | 2020-07-01 | 一种信息系统安全威胁智能分析预警系统、方法及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111787011A CN111787011A (zh) | 2020-10-16 |
CN111787011B true CN111787011B (zh) | 2022-03-29 |
Family
ID=72757968
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010626367.XA Active CN111787011B (zh) | 2020-07-01 | 2020-07-01 | 一种信息系统安全威胁智能分析预警系统、方法及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111787011B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112804212B (zh) * | 2020-12-31 | 2023-02-28 | 上海磐御网络科技有限公司 | 一种信息安全评估系统 |
CN112751883B (zh) * | 2021-01-19 | 2023-11-24 | 杨建鑫 | Ip威胁分值判定方法、装置、设备及介质 |
CN114124126B (zh) * | 2021-11-19 | 2023-02-24 | 河北工程大学 | 一种高风险人员等级评估及串行混合预警系统以及方法 |
CN114338411B (zh) * | 2021-12-24 | 2023-12-19 | 安天科技集团股份有限公司 | 一种武器系统网空模型创建方法、装置、设备及介质 |
CN114726601B (zh) * | 2022-03-28 | 2023-06-02 | 北京计算机技术及应用研究所 | 一种基于图结构的信息安全仿真建模与验证评估方法 |
CN114826691B (zh) * | 2022-04-02 | 2023-08-18 | 上海硕曜科技有限公司 | 一种基于多维度分析的网络信息安全智能分析预警管理系统 |
CN117235743B (zh) * | 2023-11-13 | 2024-02-02 | 北京华源芯电科技有限公司 | 一种基于安全风险的智慧电力管理方法及系统 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104348652A (zh) * | 2013-08-06 | 2015-02-11 | 南京理工大学常熟研究院有限公司 | 基于关联分析的系统安全评估方法和装置 |
CN105681303B (zh) * | 2016-01-15 | 2019-02-01 | 中国科学院计算机网络信息中心 | 一种大数据驱动的网络安全态势监测及可视化方法 |
GB201704931D0 (en) * | 2017-03-28 | 2017-05-10 | Indigovision Ltd | Monitoring devices and methods for IP surveillance networks |
CN109379374A (zh) * | 2018-11-23 | 2019-02-22 | 四川长虹电器股份有限公司 | 基于事件分析的威胁识别预警方法和系统 |
CN110213108A (zh) * | 2019-06-11 | 2019-09-06 | 四川久远国基科技有限公司 | 一种网络安全态势感知预警方法及系统 |
CN110620759B (zh) * | 2019-07-15 | 2023-05-16 | 公安部第一研究所 | 基于多维关联的网络安全事件危害指数评估方法及其系统 |
-
2020
- 2020-07-01 CN CN202010626367.XA patent/CN111787011B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN111787011A (zh) | 2020-10-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111787011B (zh) | 一种信息系统安全威胁智能分析预警系统、方法及存储介质 | |
WO2023077617A1 (zh) | 一种网络安全态势自适应主动防御系统及方法 | |
CN107786369B (zh) | 基于irt层次分析和lstm的电力通信网络安全态势感知和预测方法 | |
CN108881110B (zh) | 一种安全态势评估与防御策略联合决策方法及系统 | |
CN104574110B (zh) | 一种信用数字认证方法 | |
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 | |
CN111641653A (zh) | 基于云平台的网络安全威胁态势感知系统 | |
Jiang et al. | A medical big data access control model based on fuzzy trust prediction and regression analysis | |
VS | Multi Label Deep Learning classification approach for False Data Injection Attacks in Smart Grid. | |
CN117220978B (zh) | 一种网络安全运营模型量化评估系统及评估方法 | |
Li et al. | Research on multi-target network security assessment with attack graph expert system model | |
CN116861446A (zh) | 一种数据安全的评估方法及系统 | |
Awad et al. | Multi-objectives model to process security risk assessment based on AHP-PSO | |
Yada | Predictive Policing: Assessing the Ethical Implications and Effectiveness Using Data Analytics | |
CN116976681A (zh) | 一种基于大数据的高速公路机电设施智能运维决策系统 | |
CN115987544A (zh) | 一种基于威胁情报的网络安全威胁预测方法及系统 | |
Krundyshev | Neural network approach to assessing cybersecurity risks in large-scale dynamic networks | |
Kaiser et al. | Attack Forecast and Prediction | |
CN114168967A (zh) | 一种工控系统安全态势预测方法和系统 | |
Huang et al. | Safety situation assessment of underwater nodes based on BP neural network | |
CN114124526B (zh) | 一种结合多层次和熵权法的威胁复杂性分析方法 | |
CN117332923B (zh) | 一种网状指标体系的赋权方法及系统 | |
CN113965416B (zh) | 一种基于workflow的网站安全防护能力调度方法及系统 | |
Alyami et al. | Implementing Integrity Assurance System for Big Data | |
Liu | Design of Computer Network Security Management System based on Neural Network Technology |
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 |