CN113538051A - 基于用户行为的电力交易平台安全预警方法 - Google Patents
基于用户行为的电力交易平台安全预警方法 Download PDFInfo
- Publication number
- CN113538051A CN113538051A CN202110807835.8A CN202110807835A CN113538051A CN 113538051 A CN113538051 A CN 113538051A CN 202110807835 A CN202110807835 A CN 202110807835A CN 113538051 A CN113538051 A CN 113538051A
- Authority
- CN
- China
- Prior art keywords
- transaction
- user
- data
- users
- behaviors
- 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.)
- Pending
Links
- 230000006399 behavior Effects 0.000 title claims abstract description 51
- 238000000034 method Methods 0.000 title claims abstract description 20
- 230000002159 abnormal effect Effects 0.000 claims description 7
- 238000000605 extraction Methods 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 abstract description 8
- 206010000117 Abnormal behaviour Diseases 0.000 abstract description 5
- 238000012544 monitoring process Methods 0.000 abstract description 4
- 230000000875 corresponding effect Effects 0.000 description 16
- 238000011160 research Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000012937 correction Methods 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
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
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Finance (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Accounting & Taxation (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- General Engineering & Computer Science (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Tourism & Hospitality (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及基于用户行为的交易平台安全预警方法,通过将巨量的用户先进行族群分类,将巨量用户先分割为多个族群,然后在每个族群中进行随机抽取部分用户进行历史交易信息统计,将该部分用户的历史交易数据统计当做正常行为,计算量化的族群数据与多项历史交易数据的关联度,在存在关联的情况下,在后续的用户交易行为中,通过对应数据的标准差和平均值获得标准参考值,如果交易行为中的交易数据与标准参考值相差太多便会自动定义为异常行为,从而进行标记和预警;通过族群特征与交易行为数据项,将每个用户的每种交易行为与已有的标准参考值进行对比,可以降低运算量,且具有监测和预警和即时性和准确性。
Description
技术领域
本发明涉及电力系统运用技术领域,具体是基于用户行为的电力交易平台安全预警方法。
背景技术
随着电力交易体制改革的逐渐深入,信息系统在电力交易市场发挥的作用越来越大,各交易中心都已经建立了相关支撑系统。采用Saas多租户模式的电力交易平台运营管控方法的相关探讨研究已经得到越来越多的重视,高效的运营管控机制能够促进电力交易平台的平稳发展。
在电力系统的运营过程中,现有的运营模式中,由于用户数量过多,难以对单个用户的交易信息的快速地进行监测和预警。
发明内容
有鉴于此,本发明的目的是提供基于用户行为的交易平台安全预警方法,能够根据用户族群信息对用户的交易行为进行监测和预警,从而对电力交易平台进行运营管控。
本发明的基于用户行为的交易平台安全预警方法,包括步骤:
S1、在电力saas平台的中对用户的注册信息进行采集,根据注册信息中的特定族群特征进行群组标记;
S2、按照特定族群特征随机抽取族群A中的部分用户,对该部分用户的交易行为进行相关数据统计,包括该部分用户的交易时间间隔Ti、平均交易时间间隔、单次交易金额Di、平均单次交易金额、账户余额Yi和用户账户平均余额;
S3、将族群特征进行数字化替换,将该部分用户的族群特征A与对应的交易行为进行相关数据进行关联性判断,得到三个族群特征A与交易行为进行相关数据的相关性系数,分别为:
当r1、r2或者r3大于0.69或者小于-0.69时,判断族群特征A与对应的相关数据相关,当r1、r2或者r3为正时为正相关,当r1、r2或者r3为负时为负相关;
S5、后续用户进行交易时,如果用户的某项族群特征与本次交易数据相关,则将本次交易数据与标准参考值进行对比,如果本次交易数据Xi超过标准参考值X±σ,超出值大于阈值n时,则判定为该用户交易行为异常,系统向后台发出报警信息;
S6、后续用户进行交易时,如果用户的交易行为无异常,将该次交易信息中的数据划入至历史数据,从而对标准参考值进行修正。
进一步,所述族群特征包括用户年龄和用户居住地,根据用户年龄分为多个年龄段,根据同一个城市的不同街道分为多个用户居住地,其中用户所在地转化为数字化的街道小区编码。
进一步,所述步骤S2中单次抽取的用户数量不超过1000个,多次随机抽取,直至样本数量占对应族群下所有用户的15%以上。
本发明的有益效果是:本发明的基于用户行为的交易平台安全预警方法,通过将巨量的用户先进行族群分类,将巨量用户先分割为多个族群,然后在每个族群中进行随机抽取部分用户进行历史交易信息统计,将该部分用户的历史交易数据统计当做正常行为,计算量化的族群数据与多项历史交易数据的关联度,在存在关联的情况下,在后续的用户交易行为中,通过对应数据的标准差和平均值获得标准参考值,如果交易行为中的交易数据与标准参考值相差太多便会自动定义为异常行为,从而进行标记和预警;通过族群特征与交易行为数据项,将每个用户的每种交易行为与已有的标准参考值进行对比,可以降低运算量,且自身不断修正,也可以通过阈值进行手动修正,从而保持监测和预警和即时性和准确性。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,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它相关的附图:
图 1 为本发明的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请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申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
本发明或对基于Saas多租户模式的电力交易平台运营进行了探究和研讨,提出SaaS多租户模式的电力交易平台运营中的用户行为分析的相关检测技术,构建基于用户行为分析的群组推荐分析模型,研究电力交易平台用户常规操作行为轨迹,探索研究误用检测和异常检测技术在用户行为管理中的应用场景,支撑平台用户异常行为的运营管理。本文对基于Saas多租户模式的电力交易平台运营管控方法和机制进行了比较研究,探索新技术对于电力交易平台运营管控的实用性和可行性,以促进电力交易平台运营水平的提升。
如图 1 所示:本实施例的基于用户行为的交易平台安全预警方法,包括步骤:
S1、在电力saas平台的中对用户的注册信息进行采集,根据注册信息中的特定族群特征进行群组标记;
SaaS平台是运营saas软件的平台。具体地,可以为电力费用结算的软件,由于用户在使用功能SaaS软件时,需要进行注册,因此可以利用注册信息对用户进行族群分类,族群分类时,本发明从年龄段和居住地址两个维度进行族群分类,两个维度的族群内的用户是相互重叠的,从而从两个角度来进行标记,例如族群特征包括用户年龄和用户居住地,根据用户年龄分为多个年龄段18-27,28-37,38-47,48-57,57以上;根据同一个城市的不同街道分为多个用户居住地,其中用户所在地转化为数字化的街道小区编码,在城市管理中,每一个街道的每一个小区都有一个单独的编码,因此可以将小区编码作为小区内使用的族群特征。
S2、按照特定族群特征随机抽取族群A中的部分用户,单次抽取的用户数量不超过1000个,多次随机抽取,直至样本数量占对应族群下所有用户的15%以上;
交易时间间隔Ti、单次交易金额Di和账户余额Yi分别为对应族群下所有用户一年内的统计数据,统计时不将上述统计数据与用户进行对应,而是直接进行离散统计,从而降低运算复杂度;平均交易时间间隔、平均单次交易金额和用户账户平均余额为上述族群内对应数据的平均值;
S3、将族群特征进行数字化替换(即将用户地址替换为对应的街道和小区的特定编码),将该部分用户的族群特征A与对应的交易行为进行相关数据进行关联性判断,得到三个族群特征A与交易行为进行相关数据的相关性系数,分别为:
相关度(Relevancy)是指两个事物间存在相互联系的百分比,相关系数是最早由统计学家卡尔·皮尔逊设计的统计指标,是研究变量之间线性相关程度的量,一般用字母r 表示。由于研究对象的不同,相关系数有多种定义方式,较为常用的是皮尔逊相关系数。由于样本数量较大,因此本实施例中采用运算复杂度降低的线性相关计算公式,计算公式如下:
相关系数r的绝对值一般在0.8以上,认为A和B有强的相关性。0.3到0.8之间,可以认为有弱的相关性。0.3以下,认为没有相关性。
本实施例中取r1、r2或者r3大于0.69或者小于-0.69时,判断族群特征A与对应的相关数据相关,当r1、r2或者r3为正时为正相关,当r1、r2或者r3为负时为负相关;
S5、后续用户进行交易时,如果用户的某项族群特征与本次交易数据相关,则将本次交易数据与标准参考值进行对比,如果本次交易数据Xi超过标准参考值X±σ,超出值大于阈值n时,则判定为该用户交易行为异常,系统向后台发出报警信息,阈值n的取值范围遵循;
例如,某用户的族群特征为18-27,地区为X街道Y小区,经过步骤S1-S3计算,在18-27年龄段,年龄的大小与交易时间间隔Ti负相关,因此某用户的进行交易时离上一次交易时间为3个月,而标准参考值为2.1个月,因此根据步骤S5的计算规则,判定为该用户交易行为异常,发送至后台后可以进行预警,将该用户进行预警标记,判定未来该用户产生异常行为的概率大于其他用户,再后续的监测中,可以对该用户进行重点监测;
S6、后续用户进行交易时,如果用户的交易行为无异常,将该次交易信息中的数据划入至历史数据,从而对标准参考值进行修正,将运算量均摊到未来的时间中,样本越多,数据越稳定和准确。
本发明的基于用户行为的交易平台安全预警方法,通过将巨量的用户先进行族群分类,将巨量用户先分割为多个族群,然后在每个族群中进行随机抽取部分用户进行历史交易信息统计,将该部分用户的历史交易数据统计当做正常行为,计算量化的族群数据与多项历史交易数据的关联度,在存在关联的情况下,在后续的用户交易行为中,通过对应数据的标准差和平均值获得标准参考值,如果交易行为中的交易数据与标准参考值相差太多便会自动定义为异常行为,从而进行标记和预警;通过族群特征与交易行为数据项,将每个用户的每种交易行为与已有的标准参考值进行对比,可以降低运算量,且自身不断修正,也可以通过阈值进行手动修正,从而保持监测和预警和即时性和准确性。
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,而不脱离本发明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 (4)
1.基于用户行为的交易平台安全预警方法,其特征在于:包括步骤:
S1、在电力saas平台的中对用户的注册信息进行采集,根据注册信息中的特定族群特征进行群组标记;
S2、按照特定族群特征随机抽取族群A中的部分用户,对该部分用户的交易行为进行相关数据统计,包括该部分用户的交易时间间隔Ti、平均交易时间间隔单次交易金额Di、平均单次交易金额账户余额Yi和用户账户平均余额
S3、将族群特征进行数字化替换,将该部分用户的族群特征A与对应的交易行为进行相关数据进行关联性判断,得到三个族群特征A与交易行为进行相关数据的相关性系数,分别为:
当r1、r2或者r3大于0.69或者小于-0.69时,判断族群特征A与对应的相关数据相关,当r1、r2或者r3为正时为正相关,当r1、r2或者r3为负时为负相关;
S5、后续用户进行交易时,如果用户的某项族群特征与本次交易数据相关,则将本次交易数据与标准参考值进行对比,如果本次交易数据Xi超过标准参考值X±σ,超出值大于阈值n时,则判定为该用户交易行为异常,系统向后台发出报警信息;
S6、后续用户进行交易时,如果用户的交易行为无异常,将该次交易信息中的数据划入至历史数据,从而对标准参考值进行修正。
2.根据权利要求1所述的基于用户行为的交易平台安全预警方法,其特征在于:所述族群特征包括用户年龄和用户居住地,根据用户年龄分为多个年龄段,根据同一个城市的不同街道分为多个用户居住地,其中用户所在地转化为数字化的街道小区编码。
4.根据权利要求1所述的基于用户行为的交易平台安全预警方法,其特征在于:所述步骤S2中单次抽取的用户数量不超过1000个,多次随机抽取,直至样本数量占对应族群下所有用户的15%以上。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110807835.8A CN113538051A (zh) | 2021-07-16 | 2021-07-16 | 基于用户行为的电力交易平台安全预警方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110807835.8A CN113538051A (zh) | 2021-07-16 | 2021-07-16 | 基于用户行为的电力交易平台安全预警方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113538051A true CN113538051A (zh) | 2021-10-22 |
Family
ID=78099844
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110807835.8A Pending CN113538051A (zh) | 2021-07-16 | 2021-07-16 | 基于用户行为的电力交易平台安全预警方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113538051A (zh) |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104134006A (zh) * | 2014-08-04 | 2014-11-05 | 昆明理工大学 | 一种基于历史数据聚类的电力设备动态阈值整定方法 |
JP2017146815A (ja) * | 2016-02-18 | 2017-08-24 | 株式会社日立製作所 | 電力需要予測装置及び方法 |
CN108985553A (zh) * | 2018-06-05 | 2018-12-11 | 中国平安人寿保险股份有限公司 | 一种异常用户的识别方法及设备 |
CN109377409A (zh) * | 2018-09-29 | 2019-02-22 | 重庆大学 | 一种基于bp神经网络的用户用电异常行为检测方法 |
CN109388679A (zh) * | 2018-09-05 | 2019-02-26 | 广州视源电子科技股份有限公司 | 族群营销中的用户族群构建方法、装置、存储介质及设备 |
JP2019054715A (ja) * | 2017-09-15 | 2019-04-04 | 東京電力ホールディングス株式会社 | 盗電監視システム、盗電監視装置、盗電監視方法及びプログラム |
CN109886755A (zh) * | 2019-03-04 | 2019-06-14 | 深圳微品致远信息科技有限公司 | 一种基于进化算法的通讯用户流失预测方法及系统 |
WO2019196549A1 (zh) * | 2018-04-12 | 2019-10-17 | 阿里巴巴集团控股有限公司 | 确定高风险用户的方法及装置 |
CN110766943A (zh) * | 2019-10-25 | 2020-02-07 | 山东交通学院 | 一种基于事故数据的不良驾驶行为判定的监测方法和系统 |
CN112084229A (zh) * | 2020-07-27 | 2020-12-15 | 北京市燃气集团有限责任公司 | 一种识别城镇燃气用户异常用气行为的方法及装置 |
CN112131441A (zh) * | 2020-09-27 | 2020-12-25 | 国网内蒙古东部电力有限公司 | 一种快速识别用电异常行为的方法及系统 |
US20210081949A1 (en) * | 2019-09-12 | 2021-03-18 | Mastercard Technologies Canada ULC | Fraud detection based on known user identification |
CN112801800A (zh) * | 2021-04-14 | 2021-05-14 | 深圳格隆汇信息科技有限公司 | 行为资金分析系统、方法、计算机设备及存储介质 |
-
2021
- 2021-07-16 CN CN202110807835.8A patent/CN113538051A/zh active Pending
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104134006A (zh) * | 2014-08-04 | 2014-11-05 | 昆明理工大学 | 一种基于历史数据聚类的电力设备动态阈值整定方法 |
JP2017146815A (ja) * | 2016-02-18 | 2017-08-24 | 株式会社日立製作所 | 電力需要予測装置及び方法 |
JP2019054715A (ja) * | 2017-09-15 | 2019-04-04 | 東京電力ホールディングス株式会社 | 盗電監視システム、盗電監視装置、盗電監視方法及びプログラム |
WO2019196549A1 (zh) * | 2018-04-12 | 2019-10-17 | 阿里巴巴集团控股有限公司 | 确定高风险用户的方法及装置 |
CN108985553A (zh) * | 2018-06-05 | 2018-12-11 | 中国平安人寿保险股份有限公司 | 一种异常用户的识别方法及设备 |
CN109388679A (zh) * | 2018-09-05 | 2019-02-26 | 广州视源电子科技股份有限公司 | 族群营销中的用户族群构建方法、装置、存储介质及设备 |
CN109377409A (zh) * | 2018-09-29 | 2019-02-22 | 重庆大学 | 一种基于bp神经网络的用户用电异常行为检测方法 |
CN109886755A (zh) * | 2019-03-04 | 2019-06-14 | 深圳微品致远信息科技有限公司 | 一种基于进化算法的通讯用户流失预测方法及系统 |
US20210081949A1 (en) * | 2019-09-12 | 2021-03-18 | Mastercard Technologies Canada ULC | Fraud detection based on known user identification |
CN110766943A (zh) * | 2019-10-25 | 2020-02-07 | 山东交通学院 | 一种基于事故数据的不良驾驶行为判定的监测方法和系统 |
CN112084229A (zh) * | 2020-07-27 | 2020-12-15 | 北京市燃气集团有限责任公司 | 一种识别城镇燃气用户异常用气行为的方法及装置 |
CN112131441A (zh) * | 2020-09-27 | 2020-12-25 | 国网内蒙古东部电力有限公司 | 一种快速识别用电异常行为的方法及系统 |
CN112801800A (zh) * | 2021-04-14 | 2021-05-14 | 深圳格隆汇信息科技有限公司 | 行为资金分析系统、方法、计算机设备及存储介质 |
Non-Patent Citations (1)
Title |
---|
孙权;赵金涛;: "基于数据挖掘的商户风险评分方法和系统", 软件产业与工程, no. 01, pages 163 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111475804B (zh) | 一种告警预测方法及系统 | |
CN110163647B (zh) | 一种数据处理方法及装置 | |
CN111984503A (zh) | 一种监控指标数据异常数据识别的方法及装置 | |
US20180349801A1 (en) | Log analysis system, log analysis method, and log analysis program | |
CN112200081A (zh) | 异常行为识别方法、装置、电子设备及存储介质 | |
CN113688042A (zh) | 测试场景的确定方法、装置、电子设备及可读存储介质 | |
CN115796708B (zh) | 一种工程建设用的大数据智能质检方法、系统和介质 | |
CN115660262B (zh) | 一种基于数据库应用的工程智慧质检方法、系统及介质 | |
CN109583729B (zh) | 用于平台在线模型的数据处理方法和装置 | |
CN112883990A (zh) | 数据分类方法及装置、计算机存储介质、电子设备 | |
CN113438114A (zh) | 互联网系统的运行状态监控方法、装置、设备及存储介质 | |
CN112565422A (zh) | 一种对电力物联网故障数据的识别方法、系统和存储介质 | |
CN113706291A (zh) | 欺诈风险预测方法、装置、设备及存储介质 | |
CN116167010A (zh) | 具有智能迁移学习能力的电力系统异常事件快速识别方法 | |
CN113377845B (zh) | 基于大数据的智慧养老数据处理方法及系统 | |
CN116861798B (zh) | 基于XGBoost算法的真空干泵在线实时剩余寿命预测方法 | |
CN110414229B (zh) | 操作命令检测方法、装置、计算机设备及存储介质 | |
CN113538051A (zh) | 基于用户行为的电力交易平台安全预警方法 | |
CN116930759A (zh) | 动力电池电压时间序列异常检测方法、电子设备、存储介质 | |
CN115659232A (zh) | 一种挖掘异常规则的方法及装置 | |
CN110929800B (zh) | 一种基于sax算法的商业体异常用电检测方法 | |
CN112949745A (zh) | 多源数据的融合处理方法、装置、电子设备及存储介质 | |
CN111258788A (zh) | 磁盘故障预测方法、装置及计算机可读存储介质 | |
CN116993165B (zh) | 一种儿童果蔬汁的安全性评价与风险预测方法及系统 | |
CN110083641B (zh) | 基于目标行为的情报分析方法及装置 |
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 |