CN112785839A - 基于区块链的车联网车辆通信行为模仿博弈策略 - Google Patents
基于区块链的车联网车辆通信行为模仿博弈策略 Download PDFInfo
- Publication number
- CN112785839A CN112785839A CN202011305241.9A CN202011305241A CN112785839A CN 112785839 A CN112785839 A CN 112785839A CN 202011305241 A CN202011305241 A CN 202011305241A CN 112785839 A CN112785839 A CN 112785839A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- communication
- strategy
- vehicle node
- node
- 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
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
Landscapes
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明基于区块链的车联网车辆通信行为模仿博弈策略。首先,构建一个基于区块链技术的车联网框架,保障通信数据的不可篡改。在此基础上,对车联网中车辆节点通信行为进行量化,对不同通信行为给予不同的收益。根据车辆节点历史收益与邻居车辆节点的平均历史收益,计算车辆节点变更通信行为策略的概率。随后,RSU中组成两个策略学习的对象集。当车辆节点需要变更通信行为时,RSU分析该车辆节点的历史通信行为,给予该车辆节点相应的策略学习对象集。车辆节点变更通信行为策略后,将变更后的通信行为策略反馈给RSU,RSU验证信息的真实性后,将该信息添加到区块链网络中。该策略有效缓解自私节点和恶意节点对网络通信性能的影响。
Description
技术领域
本发明涉及车联网信息安全领域,具体为基于区块链的车联网车辆通信行为模仿博弈策略。
背景技术
车联网是智能交通系统的重要组成部分。车联网能够为车与车之间提供实时的信息交互。由于车联网是一种分布式、开放式的移动网络,存在亟待解决的安全问题,例如自私节点、恶意节点对信息安全、网络通信性能的影响。现有的方法基于声誉检测自私节点,并对检测的自私节点进行永久屏蔽;也有基于货币奖励检测恶意节点和自私节点,将恶意节点和自私节点屏蔽一段时间后,重新进行检测。虽然现有方法一定程度上消除了自私节点、恶意节点对信息安全的影响,但是随着自私节点和恶意节点的增多,导致网络通信性能严重恶化。
发明内容
针对现有技术中存在的问题,本发明提出基于区块链的车联网车辆通信行为模仿博弈策略。依据区块链技术,构建一个基于区块链的车联网系统框架(BVNS);在此基础上,提出一种车联网车辆通信行为模仿博弈策略。
本发明是通过以下技术方案来实现:
基于区块链的车联网车辆通信行为模仿博弈策略。包括如下步骤,
步骤1,构建一个基于区块链的车联网系统框架(BVNS)。该系统主要包含以下部分:道路基础设施,车辆(Vn),路边单元(RSU)等。其中车辆 Vn=(v1,v2,...vn)具有与RSU进行通信的车载单元(OBU),路边单元 RSUm=(RSU1,RSU2,...,RSUm)具有一定的计算和存储能力,RSU中存储车辆通信行为策略的变更和收益变化等信息。RSU与RSU之间组成区块链网络,保障通信数据的不可篡改。
步骤2,在基于区块链的车联网系统中,对车联网中车辆节点通信行为进行量化。车联网中车辆节点Vi的通信行为可以分为3类:主动通信行为 (AC-Behavior):车联网中车辆节点Vi通过对外界的感知和分析,然后发送信息给其他节点的行为;被动通信行为(PC-Behavior):车联网中车辆节点 Vi转发来自其他节点信息的行为;拒绝通信行为(DC-Behavior):车联网中车辆节点Vi拒绝转发来自其他节点信息的行为。当车辆节点Vi选择不同通信行为时,可以得到不同的收益。
步骤3,假设车联网中有N个车辆节点,其中任意车辆节点Vi进行一次通信。当车辆节点Vi采取主动通信行为时,车辆节点Vi将消耗资源S,收到的回报为R1,该行为的总收益R1-S。当车辆节点Vi采取被动通信行为时,车辆节点Vi将消耗资源S,收到的回报为R2,该行为的总收益R2-S,其中, 0<S<R2<R1<1。当车辆节点Vi采取拒绝通信行为时,车辆节点Vi将不消耗资源,即消耗资源为0;同时收到的回报也为0;该行为的总收益0。
步骤4,根据车辆节点Vi采取不同通信行为策略,获得不同的收益,计算车辆节点Vi的变更通信行为博弈策略的概率pi。如公式(1):
当pi>0.5时,认为该节点有较强趋势变更自身通信行为策略。
步骤5,当RSU发现车辆节点Vi有较强的变更自身策略的趋势时,RSU 将筛选两个策略学习的对象集A=[VA1,VA2,...,VAk]和B=[VB1,VB2,...,VBk]。分别是以主动通信行为策略为主要收益的节点对象集A,以被动通信行为策略为主要收益的节点对象集B。对象集A和B满足以下两个基本条件:
①对象集A或B中任意车辆节点Vk的历史收益Uk需要大于车联网中车辆节点的平均历史收益UALL。如公式(3):
Uk≥UALL (3)
其中计算UALL车联网中车辆节点的平均历史收益,如公式(4):
其中Rm表示对应车辆节点Vm的历史收益。m=1,2,...n。
②对象集A或B中同一车辆节点Vk最近两次通信后变更策略的概率没有增加。如公式(5):
步骤6,RSU对车辆节点Vi的历史通信行为进行分析。若车辆节点Vi的历史通信行为主要是AC-Behavior,则RSU给车辆节点Vi发送节点对象集B 作为变更通信行为策略的学习对象集;若车辆节点Vi的历史通信行为主要是 PC-Behavior,则RSU给车辆节点Vi发送节点对象集A作为变更通信行为策略的学习对象集;若车辆节点Vi的历史通信行为主要是DC-Behavior,则RSU 向车辆节点Vi发送对象集A和对象集B作为变更通信行为策略的学习对象集,并向车辆节点Vi发送强制变更通信行为策略的指令。
步骤7,当车辆节点Vi收到来自RSU的学习对象集后,车辆节点Vi将在下一通信发生之前,随机选取对象集中某一节点进行策略学习,改变自身行为通信策略,并在随后T时间内保持现有策略不变。
步骤8,当车辆节点Vi根据学习对象集变更通信行为策略后,将自身变更后的通信行为策略反馈给RSU,RSU验证信息的真实性后,将该信息添加到区块链网络中。
与现有技术相比,本发明具有以下有益的技术效果:
本发明基于区块链的车联网车辆通信行为模仿博弈策略。首先,构建一个基于区块链技术的车联网框架,保障通信数据的不可篡改。在此基础上,对车联网中车辆节点通信行为进行量化,对不同通信行为给予不同的收益。根据车辆节点历史收益与邻居车辆节点的平均历史收益,计算车辆节点变更通信行为策略的概率。随后,RSU中组成两个策略学习的对象集。当车辆节点需要变更通信行为时,RSU分析该车辆节点的历史通信行为,给予该车辆节点相应的策略学习对象集。车辆节点变更通信行为策略后,将变更后的通信行为策略反馈给RSU,RSU验证信息的真实性后,将该信息添加到区块链网络中。该策略有效缓解自私节点和恶意节点对网络通信性能的影响。
附图说明
图1为区块链的车联网系统框架。
图2为区块链的车联网行为模仿博弈策略流程图。
图3为车联网中车辆节点之间一次通信行为策略及收益。
具体实施方式
下面结合附图、附表对本发明做进一步的详细描述:
如图1、图2和图3所示,基于区块链的车联网车辆通信行为模仿博弈策略,具体包括以下步骤:
步骤1)、利用区块链技术,构建一个基于区块链的车联网系统框架 (BVNS);
步骤2)、在基于区块链的车联网系统中,对车联网中车辆节点通信行为进行量化。即对车联网中车辆节点的通信行为进行分类。并对不同通信行为策略,奖励不同的收益;
步骤3)、根据获取车辆节点历史收益和其相邻车辆节点的平均历史收益,计算车辆节点Vi的变更通信行为博弈策略的概率pi;
步骤4)、RSU筛选两个策略学习对象集,并将合适的对象集发送给需要变更通信行为博弈策略的车辆节点;
步骤5)、车辆节点变更通信行为博弈策略后,将变更后的通信行为策略反馈给RSU,RSU验证信息的真实性后,将该信息添加到区块链网络中。
首先,构建一个基于区块链的车联网系统框架(BVNS)。该系统主要包含以下部分:道路基础设施,车辆(Vn),路边单元(RSU)等。其中车辆 Vn=(v1,v2,...vn)具有与RSU进行通信的车载单元(OBU),路边单元 RSUm=(RSU1,RSU2,...,RSUm)具有一定的计算和存储能力,RSU中存储车辆通信行为策略的变更和收益变化等信息。RSU与RSU之间组成区块链网络,保障通信数据的不可篡改。
进一步的,在基于区块链的车联网系统中,对车联网中车辆节点通信行为进行量化。即对车联网中车辆节点的通信行为进行分类。并对不同通信行为策略,奖励不同的收益,具体步骤如下:
1,在基于区块链的车联网系统中,对车联网中车辆节点通信行为进行量化。车联网中车辆节点Vi的通信行为可以分为3大类:主动通信行为 (AC-Behavior):车联网中车辆节点Vi通过对外界的感知和分析,然后发送信息给其他节点的行为;被动通信行为(PC-Behavior):车联网中车辆节点 Vi转发来自其他节点信息的行为;拒绝通信行为(DC-Behavior):车联网中车辆节点Vi拒绝转发来自其他节点信息的行为。当车辆节点Vi选择不同通信行为时,可以得到不同的收益。
2,假设车联网中有N个车辆节点,其中任意车辆节点Vi进行一次通信。当车辆节点Vi采取主动通信行为时,车辆节点Vi将消耗资源S,收到的回报为R1,该行为的总收益R1-S。当车辆节点Vi采取被动通信行为时,车辆节点 Vi将消耗资源S,收到的回报为R2,该行为的总收益R2-S,其中, 0<S<R2<R1<1。当车辆节点Vi采取拒绝通信行为时,车辆节点Vi将不消耗资源,即消耗资源为0;同时收到的回报也为0;该行为的总收益0。
进一步的,计算车辆节点Vi的变更通信行为博弈策略的概率pi和RSU 筛选两个策略学习对象集的条件,随后,变更车辆节点Vi通信行为博弈策略。具体步骤如下:
步骤1,计算车辆节点Vi的变更通信行为博弈策略的概率pi。
1.1根据车辆节点Vi采取不同通信行为策略,获得不同的收益,计算车辆节点Vi的变更通信行为博弈策略的概率pi。如公式(1):
当pi>0.5时,认为该节点有较强趋势变更自身通信行为策略。
步骤2,RSU组建两个策略学习对象集的筛选条件。
当RSU发现车辆节点Vi有较强的变更自身策略的趋势时,RSU将筛选两个策略学习的对象集A=[VA1,VA2,...,VAk]和B=[VB1,VB2,...,VBk]。分别是以主动通信行为策略为主要收益的节点对象集A,以被动通信行为策略为主要收益的节点对象集B。对象集A和B满足以下两个基本条件:
2.1对象集A或B中任意车辆节点Vk的历史收益Uk需要大于车联网中车辆节点的平均历史收益UALL。如公式(3):
Uk≥UALL (3)
其中计算UALL车联网中车辆节点的平均历史收益,如公式(4):
其中Rm表示对应车辆节点Vm的历史收益。m=1,2,...n。
2.2对象集A或B中同一车辆节点Vk最近两次通信后变更策略的概率没有增加。如公式(5):
步骤3,RSU对车辆节点Vi的历史通信行为进行分析。若车辆节点Vi的历史通信行为主要是AC-Behavior,则RSU给车辆节点Vi发送节点对象集B 作为变更通信行为策略的学习对象集;若车辆节点Vi的历史通信行为主要是PC-Behavior,则RSU给车辆节点Vi发送节点对象集A作为变更通信行为策略的学习对象集;若车辆节点Vi的历史通信行为主要是DC-Behavior,则RSU 向车辆节点Vi发送对象集A和对象集B作为变更通信行为策略的学习对象集,并向车辆节点Vi发送强制变更通信行为策略的指令。
步骤4,车辆节点Vi收到来自RSU的学习对象集后,车辆节点Vi将在下一通信发生之前,随机选取对象集中某一节点进行策略学习,改变自身行为通信策略,并在随后T时间内保持现有策略不变。
步骤5,车辆节点Vi根据学习对象集变更通信行为策略后,将自身变更后的通信行为策略反馈给RSU,RSU验证信息的真实性后,将该信息添加到区块链网络中。
Claims (6)
1.基于区块链的车联网车辆通信行为模仿博弈策略,其特征在于,具体包括以下步骤:
步骤1)、利用区块链技术,构建一个基于区块链的车联网系统框架(BVNS);
步骤2)、在基于区块链的车联网系统中,对车联网中车辆节点通信行为进行量化。即对车联网中车辆节点的通信行为进行分类。并对采取不同通信行为,奖励不同的收益;
步骤3)、根据获取车辆节点历史收益和其相邻车辆节点的平均历史收益,计算车辆节点Vi的变更通信行为博弈策略的概率pi;
步骤4)、RSU组建两个策略学习对象集,并将合适的对象集发送给需要变更通信行为博弈策略的车辆节点;
步骤5)、车辆节点变更通信行为博弈策略后,将变更后的通信行为策略反馈给RSU,RSU验证信息的真实性后,将该信息添加到区块链网络中。
2.根据权利要求1所述的基于区块链的车联网车辆通信行为模仿博弈策略,其特征在于,步骤1)具体包括以下步骤:
利用区块链技术,构建一个基于区块链的车联网系统框架(BVNS)。如图1所示,该系统框架可分为两层结构:物理层和网络层。
物理层:主要由道路基础设施,车辆(Vn),路边单元(RSU)等组成,构成车联网的基础。
网络层:网络中主要有两种节点,路边单元节点(RSU)和车辆节点(Vn)。其中车辆Vn=(v1,v2,...vn)具有与RSU进行通信的车载单元(OBU);RSU主要负责车辆节点与RSU之间的通信管理、记录车辆间的通信事务、监督车辆的通信行为、指导车辆行为策略的变更等;RSU与RSU之间构成区块链网络,负责存储通信事务于区块链中。
3.根据权利要求1所述的基于区块链的车联网车辆通信行为模仿博弈策略,其特征在于,步骤2)具体包括以下步骤:
a、车联网中车辆节点Vi的通信行为可以分为3大类:主动通信行为(AC-Behavior):车联网中车辆节点Vi通过对外界的感知和分析,然后发送信息给其他节点的行为;被动通信行为(PC-Behavior):车联网中车辆节点Vi转发来自其他节点信息的行为;拒绝通信行为(DC-Behavior):车联网中车辆节点Vi拒绝转发来自其他节点信息的行为。当车辆节点Vi选择不同通信行为时,可以得到不同的收益。
b、假设车联网中有N个车辆节点,其中任意车辆节点Vi进行一次通信。当车辆节点Vi采取主动通信行为时,车辆节点Vi将消耗资源S,收到的回报为R1,该行为的总收益R1-S。当车辆节点Vi采取被动通信行为时,车辆节点Vi将消耗资源S,收到的回报为R2,该行为的总收益R2-S,其中,0<S<R2<R1<1。当车辆节点Vi采取拒绝通信行为时,车辆节点Vi将不消耗资源,即消耗资源为0;同时收到的回报也为0;该行为的总收益0。
5.根据权利要求1所述的基于区块链的车联网车辆通信行为模仿博弈策略,其特征在于,步骤4)具体包括以下步骤:
a、RSU筛选两个策略学习的对象集A=[VA1,VA2,...,VAk]和B=[VB1,VB2,...,VBk]。分别是以主动通信行为策略为主要收益的节点对象集A;以被动通信行为策略为主要收益的节点对象集B。对象集A和B满足以下两个基本条件:
①对象集A或B中任意车辆节点Vk的历史收益Uk需要大于车联网中车辆节点的平均历史收益UALL。如公式(3):
Uk≥UALL (3)
其中计算UALL车联网中车辆节点的平均历史收益,如公式(4):
其中Rm表示对应车辆节点Vm的历史收益。m=1,2,...n。
②对象集A或B中同一车辆节点Vk最近两次通信后变更策略的概率没有增加。如公式(5):
b、RSU对车辆节点Vi的历史通信行为进行分析。若车辆节点Vi的历史通信行为主要是AC-Behavior,则RSU给车辆节点Vi发送节点对象集B作为变更通信行为策略的学习对象集;若车辆节点Vi的历史通信行为主要是PC-Behavior,则RSU给车辆节点Vi发送节点对象集A作为变更通信行为策略的学习对象集;若车辆节点Vi的历史通信行为主要是DC-Behavior,则RSU向车辆节点Vi发送对象集A和对象集B作为变更通信行为策略的学习对象集,并向车辆节点Vi发送强制变更通信行为策略的指令。
6.根据权利要求1所述的基于区块链的车联网车辆通信行为模仿博弈策略,其特征在于,步骤5)具体包括以下步骤:
a、车辆节点Vi收到来自RSU的学习对象集后,车辆节点Vi将在下一通信发生之前,随机选取对象集中某一节点进行策略学习,改变自身行为通信策略,并在随后T时间内保持现有策略不变。
b、随后,车辆节点Vi根据学习对象集变更通信行为策略后,将自身变更后的通信行为策略反馈给RSU,RSU验证信息的真实性后,将该信息添加到区块链网络中。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011305241.9A CN112785839B (zh) | 2020-11-19 | 2020-11-19 | 基于区块链的车联网车辆通信行为模仿博弈策略 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011305241.9A CN112785839B (zh) | 2020-11-19 | 2020-11-19 | 基于区块链的车联网车辆通信行为模仿博弈策略 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112785839A true CN112785839A (zh) | 2021-05-11 |
CN112785839B CN112785839B (zh) | 2022-12-13 |
Family
ID=75750581
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011305241.9A Active CN112785839B (zh) | 2020-11-19 | 2020-11-19 | 基于区块链的车联网车辆通信行为模仿博弈策略 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112785839B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107181793A (zh) * | 2017-04-27 | 2017-09-19 | 长安大学 | 基于动态博弈论的交通服务信息转发机制 |
US20180189971A1 (en) * | 2017-01-03 | 2018-07-05 | Qualcomm Incorporated | Capturing Images Of A Game By An Unmanned Autonomous Vehicle |
CN108881445A (zh) * | 2018-06-22 | 2018-11-23 | 南京理工大学 | 一种雾计算中基于古诺博弈的协作缓存方法 |
CN108882257A (zh) * | 2018-04-09 | 2018-11-23 | 长安大学 | 车载自组织网络中基于相遇概率的自适应机会转发方法 |
CN110034958A (zh) * | 2019-04-02 | 2019-07-19 | 浙江工商大学 | 基于sgum理论的车联网假名变更激励算法及变更方法 |
-
2020
- 2020-11-19 CN CN202011305241.9A patent/CN112785839B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180189971A1 (en) * | 2017-01-03 | 2018-07-05 | Qualcomm Incorporated | Capturing Images Of A Game By An Unmanned Autonomous Vehicle |
CN107181793A (zh) * | 2017-04-27 | 2017-09-19 | 长安大学 | 基于动态博弈论的交通服务信息转发机制 |
CN108882257A (zh) * | 2018-04-09 | 2018-11-23 | 长安大学 | 车载自组织网络中基于相遇概率的自适应机会转发方法 |
CN108881445A (zh) * | 2018-06-22 | 2018-11-23 | 南京理工大学 | 一种雾计算中基于古诺博弈的协作缓存方法 |
CN110034958A (zh) * | 2019-04-02 | 2019-07-19 | 浙江工商大学 | 基于sgum理论的车联网假名变更激励算法及变更方法 |
Non-Patent Citations (5)
Title |
---|
"《小型微型计算机系统》第38卷(2017年)总目次", 《小型微型计算机系统》 * |
曾熙凯等: "车载自组织网络中节点合作行为的博弈研究", 《计算机系统应用》 * |
樊娜等: "面向车联网的交通信息传输博弈模型", 《计算机工程与设计》 * |
段宗涛等: "概率路由中基于连接时间的机会转发算法", 《微电子学与计算机》 * |
陈丽欣: "基于博弈的移动自组网协作策略研究与分析", 《计算机系统应用》 * |
Also Published As
Publication number | Publication date |
---|---|
CN112785839B (zh) | 2022-12-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113794675B (zh) | 基于区块链和联邦学习的分布式物联网入侵检测方法及系统 | |
Zhang et al. | AATMS: An anti-attack trust management scheme in VANET | |
Haasnoot et al. | A method to develop sustainable water management strategies for an uncertain future | |
CN107623697A (zh) | 一种基于攻防随机博弈模型的网络安全态势评估方法 | |
Halabi et al. | Trust-based cooperative game model for secure collaboration in the internet of vehicles | |
Sultan et al. | Collaborative-trust approach toward malicious node detection in vehicular ad hoc networks | |
CN111179089B (zh) | 洗钱交易识别方法、装置和设备 | |
Fernandes et al. | A blockchain-based reputation system for trusted VANET nodes | |
CN114418109A (zh) | 微服务架构下联邦学习的节点选择与聚合优化系统及方法 | |
CN114745127A (zh) | 基于区块链的车联网环境下节点可信认证方法 | |
Keane et al. | Modelling the effect of individual strategic behaviour on community-level outcomes of conservation interventions | |
CN113177670A (zh) | 数据处理方法、装置、设备及可读存储介质 | |
Wu et al. | A game theory approach for assessment of risk and deployment of police patrols in response to criminal activity in San Francisco | |
CN112785839B (zh) | 基于区块链的车联网车辆通信行为模仿博弈策略 | |
Kolokoltsov et al. | Inspection and crime prevention: an evolutionary perspective | |
Zhang et al. | Ensemble learning against adversarial ai-driven fake task submission in mobile crowdsensing | |
Li et al. | TD-SAS: A trust-aware and decentralized speed advisory system for energy-efficient autonomous vehicle platoons | |
Feng et al. | Effect of resource allocation policies on urban transport diversity | |
Xu et al. | Metro train operation plan analysis based on station travel time reliability | |
CN111400403A (zh) | 一种基于区块链技术的物联网数据真实性分布式验证的方法 | |
Liu | Refined judgment of urban traffic state based on machine learning and edge computing | |
CN115866564B (zh) | 一种基于区块链的车联网分布式信任管理方法 | |
KR102194031B1 (ko) | 광고 사기를 감소시키는 기법 | |
Li et al. | Blockchain-based trust evaluation mechanism for Internet of Vehicles | |
CN114760310B (zh) | 一种基于联盟链的5g车联网车辆信誉管理方法 |
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 |