CN113891318A - 一种车载网中基于无人机辅助的检测恶意节点方法 - Google Patents

一种车载网中基于无人机辅助的检测恶意节点方法 Download PDF

Info

Publication number
CN113891318A
CN113891318A CN202111168487.0A CN202111168487A CN113891318A CN 113891318 A CN113891318 A CN 113891318A CN 202111168487 A CN202111168487 A CN 202111168487A CN 113891318 A CN113891318 A CN 113891318A
Authority
CN
China
Prior art keywords
vehicle
trust
unmanned aerial
vehicles
value
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
Application number
CN202111168487.0A
Other languages
English (en)
Inventor
神显豪
臧一豪
谢晓兰
秦运枝
李家豪
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.)
Guilin University of Technology
Original Assignee
Guilin University of Technology
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 Guilin University of Technology filed Critical Guilin University of Technology
Priority to CN202111168487.0A priority Critical patent/CN113891318A/zh
Publication of CN113891318A publication Critical patent/CN113891318A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W12/00—Security arrangements; Authentication; Protecting privacy or anonymity
    • H04W12/08—Access security
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W12/00—Security arrangements; Authentication; Protecting privacy or anonymity
    • H04W12/12—Detection or prevention of fraud
    • H04W12/121—Wireless intrusion detection systems [WIDS]; Wireless intrusion prevention systems [WIPS]
    • H04W12/122—Counter-measures against attacks; Protection against rogue devices
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W40/00—Communication routing or communication path finding
    • H04W40/24—Connectivity information management, e.g. connectivity discovery or connectivity update
    • H04W40/32—Connectivity information management, e.g. connectivity discovery or connectivity update for defining a routing cluster membership
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W84/00—Network topologies
    • H04W84/18—Self-organising networks, e.g. ad-hoc networks or sensor networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Computer Security & Cryptography (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种车载网基于无人机辅助的检测恶意节点方法，涉及车载自组网通信安全技术，通过直接信任、间接信任建立车辆节点之间的信任模型，然后增添节点之间的自适应阀值检测机制，再通过无人机的辅助选择相应簇头进行车辆级别聚合和RSU级别聚合，最终生成全球黑名单(GBL,Gobal black list)，保护了车辆的隐私，检测出了恶意节点。我们的解决方案不是评估车辆在不同时间段的信任值，然后测量这种评估的可变性，而是在整个实验期间评估车辆的信任值，与先前存在的方案相比，它提供了更大的灵活性、精准性。此外基于无人机的集群技术能够减少车辆之间交换的消息量，使得车载网中的车辆通信更加高效。

Description

一种车载网中基于无人机辅助的检测恶意节点方法
技术领域
本发明涉及车载自组网通信安全技术，具体涉及一种车载网中基于无人机辅助的检测恶意节点方法。
背景技术
车载网(Vehicle Ad hoc Network，VANET)作为移动自组网的一个子类，在智能交通系统中得到广泛应用，其中为了保证车辆之间的通讯，路边单元(Road Side Unit，RSU)充当网关，车辆上装有车载单元(On Board Unit，OBU),OBU由传感器、处理单元和通讯系统组成，并通过IEEE 802.11协议与周围车辆进行通信，VANET可以实现车辆与车辆、车辆与基础设施之间的协作通信，从而有助于促进交通安全、提高交通效率和优化交通管理，但是由于VANET中节点繁多且网络拓扑结构变化较快的特点，VANET网络易受到来自外界的恶意攻击，近年来，车载网的安全问题日益成为一个热点问题。
无人机作为一种新型的空中运动节点，在城市交通管理领域有着独特的效用，它具有体型小、效率高、机动灵活、环境依赖性低、覆盖范围广等优点。(Unmanned AerialVehicle，UAV)可以被认为是在路线选择过程中协助地面车辆的最合适解决方案。此外，无人机可以通过异构无线通信与现有的VANET进行临时通信。像车辆一样，UAV也可以通过车辆或使用多跳通信建立与Internet的连接，并且它们可以通过在天空中中继消息来避免地面上的障碍，使车辆与车辆或者车辆与路边单元数据交换更加高效。
发明内容
本发明的主要目的在于提供一种车载网中基于无人机辅助的检测恶意节点方法，
为了达到此目的，本发明采用的技术方案包括：
步骤1：车辆之间的信任建立；
步骤2：行为自适应检测阀值；
步骤3：无人机辅助检测；
进一步地，所述步骤1包括：
首先将车辆间的信任建立分成两个度量概念，一个是直接信任(两个直接进行交互的车辆之间的评估)，另一个是间接信任(其他车辆对两个进行交互的车辆诚实性意见)，并将节点之间的直接信任和间接信任初始值都设为0.5.
然后确定车辆之间通信的直接信任值，可用以下方程式来进行计算：
Figure BDA0003292087690000021
其中DT(i,j)表示车辆Vi生成的关于车辆Vi与Vj之间的直接信任值。L(i,j)和M(i,j)分别表示车辆Vi和Vj之间的合法行为和恶意行为，
Figure BDA0003292087690000022
表示信任值接近于1的参数。
随后确定车辆之间通信的间接信任值，通过添加两个字段来修改周期性交换的信标消息的格式：(1)增加2字节的邻居标识。(2)增加1字节的信标发送者关于该邻居的意见。
当车辆Vi接收到邻居信标后，车辆为邻居Vj计算间接信任值，可以用以下方程式来表示：
Figure BDA0003292087690000031
其中DT(i,j)表示车辆Vi生成的关于车辆Vi与Vj之间的直接信任值，opinion(k,j)表示车辆节点k对j的意见。N表示给出意见的推荐者数量。
最后计算车辆节点之间最终的信任值，可用以下方程式来表示：
Figure BDA0003292087690000032
其中DT(i,j)表示车辆Vi生成的关于车辆Vi与Vj之间的直接信任值，IT(i,j)表示间接信任值，#int表示车辆Vi和车辆Vj交互次数，此外DT(i,j)和IT(i,j)最初设置为0.5.
更进一步地，所述步骤2包括：
对于每个邻居节点，将存储两个信任值，即旧信任值OldTrust(i，j)和新的信任值NewTrust(i，j)。
如果新的信任值低于旧的信任值，则检测阀值会增加。此外，当两个信任值都保持不变时，维持相同的检测阀值。
车辆节点行为变化的检测自适应阀值可用以下等式表示：
Figure BDA0003292087690000033
其中α＝OldTrust(i，j)-NewTrust(i，j)，NewDetectionTH(i，j)表示新的检测阀值，OldDetectionTH(i，j)表示旧的检测阀值。
更进一步地，所述步骤3包括：
无人机将路段划分成虚拟静态簇，其大小等于车辆的通讯距离(R),并启动评估收集阶段。
无人机进行簇头选择，无人机每个集群只能选择一个车辆节点来报告可能为恶意节点的汇总列表，初始迭代一般选择距网段中心点最近的车辆节点。
此后通过基于节点信任值的选择策略以及它们与群集中心的接近度而定，簇头选择策略可用以下公式来表示：
Figure BDA0003292087690000041
其中TA表示信任权威机构，ID为具体车辆节点的标识，P_ID标识车辆节点到无人机的距离，central_point表示车辆节点到网段中心的距离。
开始进行车辆级别聚合即被选择的簇头计算每个邻居收集意见的平均值，并将其加入生成的CLBL(Cluster Local Black List，集群本地黑名单)发送给RSU(Road SideUnit，路边单元)。
然后进行RSU(Road Side Unit，路边单元)级别聚合即生成LBL(Local BlackList，本地黑名单)，并发给TA(Trust authority，信任权威)，
TA匹配属于同一车辆的不同ID，以便在检测时惩罚更改其ID的车辆，然后借助RSU和无人机，生成并分发了GBL(Global Black List，全球黑名单)。
本发明的优点：
本发明提出了一种基于用户感知的虚拟辅助模型，包括一种自适应阀值检测技术，允许检测智能不诚实行为，包括身份改变/伪造策略。因此，这种解决方案保护了车辆的隐私，同时确保了所需的安全级别。我们的解决方案不是评估车辆在不同时间段的信任值，然后测量这种评估的可变性，而是在整个实验期间评估车辆的信任值，因此，它既不需要最小的交互次数，也不需要最小的运行密度。因此，与先前存在的方案相比，它提供了更大的灵活性。此外基于无人机的集群技术能够减少交换的消息量，从而节省无人机的能量，使得车载网中的车辆交流更加高效。
除了上面所描述的目的、特征和优点之外，本发明还有其它的目的、特征和优点。下面将参照图，对本发明作进一步详细的说明。
附图说明
构成本申请的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。
图1是本发明的总体流程图；
图2是本发明的系统结构图；
图3是本发明的系统时序图；
图4是本发明的无人机飞行路径图；
图5是本发明的簇头选择策略图；
图6是本发明模拟的真实场景图；
图7是本发明模拟在两种特定场景(城镇公路和高速公路)下随着车辆密度改变恶意车辆节点检测率的变化图；
图8是本发明模拟在两种特定场景(城镇公路和高速公路)下随着时间改变不同车辆数下的数据传输率的变化图；
图9是本发明模拟在两种特定场景(城镇公路和高速公路)下随着车辆数改变不同策略下的端到端延迟的变化图；
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。
参考图1至图9，一种车载网中基于无人机辅助的检测恶意节点方法，包括：
步骤1：节点注册认证；
步骤2：节点通信；
步骤3：恶意节点的检测。
本发明计算较为简单明了，且存储成本低较为可靠。
本发明的方法解决了车载网通信技术中无法有效解决节点之间出现的黑洞攻击问题，提高了节点通信的安全性。
所述步骤1包括：
步骤1.1、将车辆间的信任建立分成两个度量概念，一个是直接信任(两个直接进行交互的车辆之间的评估)，另一个是间接信任(其他车辆对两个进行交互的车辆诚实性意见)，并将节点之间的直接信任和间接信任初始值都设为0.5。
步骤1.2、确定车辆之间通信的直接信任值，可用以下方程式来进行计算：
Figure BDA0003292087690000061
其中DT(i,j)表示车辆Vi生成的关于车辆Vi与Vj之间的直接信任值。L(i,j)和M(i,j)分别表示车辆Vi和Vj之间的合法行为和恶意行为，
Figure BDA0003292087690000062
表示信任值接近于1的参数。
步骤1.3、确定车辆之间通信的间接信任值，通过添加两个字段来修改周期性交换的信标消息的格式：(1)增加2字节的邻居标识。(2)增加1字节的信标发送者关于该邻居的意见。
步骤1.4、当车辆Vi接收到邻居信标后，车辆为邻居Vj计算间接信任值，可以用以下方程式来表示：
Figure BDA0003292087690000071
其中DT(i,j)表示车辆Vi生成的关于车辆Vi与Vj之间的直接信任值，opinion(k,j)表示车辆节点k对j的意见。N表示给出意见的推荐者数量。
步骤1.5、计算车辆节点之间最终的信任值，可用以下方程式来表示：
Figure BDA0003292087690000072
其中DT(i，j)表示车辆Vi生成的关于车辆Vi与Vj之间的直接信任值，IT(i,j)表示间接信任值，#int表示车辆Vi和车辆Vj交互次数，此外DT(i，j)和IT(i,j)最初设置为0.5。
所述步骤2包括：
步骤2.1、对于每个邻居节点，将存储两个信任值，即旧信任值OldTrust(i，j)和新的信任值NewTrust(i，j)。
如果新的信任值低于旧的信任值，则检测阀值会增加。此外，当两个信任值都保持不变时，维持相同的检测阀值。
车辆节点行为变化的检测自适应阀值可用以下等式表示：
Figure BDA0003292087690000073
其中α＝OldTrust(i，j)-NewTrust(i，j)，NewDetectionTH(i，j)表示新的检测阀值，OldDetectionTH(i，j)表示旧的检测阀值。
所述步骤3包括：
步骤3.1、无人机将路段划分成虚拟静态簇，其大小等于车辆的通讯距离(R),并启动评估收集阶段。
步骤3.2、无人机进行簇头选择，无人机每个集群只能选择一个车辆节点来报告可能为恶意节点的汇总列表，初始迭代一般选择距网段中心点最近的车辆节点。
此后通过基于节点信任值的选择策略以及它们与群集中心的接近度而定，簇头选择策略可用以下公式来表示：
Figure BDA0003292087690000081
其中TA表示信任权威机构，ID为具体车辆节点的标识，P_ID标识车辆节点到无人机的距离，central_point表示车辆节点到网段中心的距离。
步骤3.3、开始进行车辆级别聚合即被选择的簇头计算每个邻居收集意见的平均值，并将其加入生成的CLBL(Cluster Local Black List，集群本地黑名单)发送给RSU(Road Side Unit，路边单元)。
步骤3.4、进行RSU(Road Side Unit,路边单元)级别聚合即生成LBL(Local BlackList，本地黑名单)，并发给TA(Trust authority，信任权威)，
步骤3.5、匹配属于同一车辆的不同ID，以便在检测时惩罚更改其ID的车辆，然后借助RSU和无人机，生成并分发了GBL(Global Black List，全球黑名单)。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (4)

1.一种车载网中基于无人机辅助的检测恶意节点方法，其特征在于包括：
步骤1：车辆之间的信任建立；
步骤2：行为自适应检测阀值；
步骤3：无人机辅助检测。
2.根据权利要求1所述的车载网中基于无人机辅助的检测恶意节点方法，其特征在于，所述步骤1包括：
首先将车辆间的信任建立分成两个度量概念，一个是直接信任(两个直接进行交互的车辆之间的评估)，另一个是间接信任(其他车辆对两个进行交互的车辆诚实性意见)，并将节点之间的直接信任和间接信任初始值都设为0.5；
然后确定车辆之间通信的直接信任值，可用以下方程式来进行计算：
Figure FDA0003292087680000011
其中DT(i,j)表示车辆Vi生成的关于车辆Vi与Vj之间的直接信任值；L(i，j)和M(i，j)分别表示车辆Vi和Vj之间的合法行为和恶意行为，
Figure FDA0003292087680000012
表示信任值接近于1的参数；
随后确定车辆之间通信的间接信任值，通过添加两个字段来修改周期性交换的信标消息的格式：(1)增加2字节的邻居标识；(2)增加1字节的信标发送者关于该邻居的意见；
当车辆Vi接收到邻居信标后，车辆为邻居Vj计算间接信任值，可以用以下方程式来表示：
Figure FDA0003292087680000013
其中DT(i,j)表示车辆Vi生成的关于车辆Vi与Vj之间的直接信任值，opinion(k,j)表示车辆节点k对j的意见；N表示给出意见的推荐者数量；
最后计算车辆节点之间最终的信任值，可用以下方程式来表示：
Figure FDA0003292087680000021
其中DT(i,j)表示车辆Vi生成的关于车辆Vi与Vj之间的直接信任值，IT(i,j)表示间接信任值，#int表示车辆Vi和车辆Vj交互次数，此外DT(i,j)和IT(i,j)最初设置为0.5。
3.根据权利要求2所述的车载网中基于无人机辅助的检测恶意节点方法，其特征在于，所述步骤2包括：
对于每个邻居节点，将存储两个信任值，即旧信任值OldTrust(i，j)和新的信任值NewTrust(i，j)；
如果新的信任值低于旧的信任值，则检测阀值会增加；此外，当两个信任值都保持不变时，维持相同的检测阀值；
车辆节点行为变化的检测自适应阀值可用以下等式表示：
Figure FDA0003292087680000022
其中α＝OldTrust(i，j)-NewTrust(i，j)，NewDetectionTH(i，j)表示新的检测阀值，OldDetectionTH(i，j)表示旧的检测阀值。
4.根据权利要求3所述的车载网中基于无人机辅助的检测恶意节点方法，其特征在于，所述步骤3包括：
无人机将路段划分成虚拟静态簇，其大小等于车辆的通讯距离(R),并启动评估收集阶段；
无人机进行簇头选择，无人机每个集群只能选择一个车辆节点来报告可能为恶意节点的汇总列表，初始迭代一般选择距网段中心点最近的车辆节点；
此后通过基于节点信任值的选择策略以及它们与群集中心的接近度而定，簇头选择策略可用以下公式来表示：
ID_With：
Figure FDA0003292087680000031
其中TA表示信任权威机构，ID为具体车辆节点的标识，P_ID标识车辆节点到无人机的距离，central_point表示车辆节点到网段中心的距离；
开始进行车辆级别聚合即被选择的簇头计算每个邻居收集意见的平均值，并将其加入生成的CLBL(Cluster Local Black List，集群本地黑名单)发送给RSU(Road Side Unit，路边单元)；
然后进行RSU(Road Side Unit,路边单元)级别聚合即生成LBL(Local Black List，本地黑名单)，并发给TA(Trust authority，信任权威)，
TA匹配属于同一车辆的不同ID，以便在检测时惩罚更改其ID的车辆，然后借助RSU和无人机，生成并分发了GBL(Global Black List，全球黑名单)。
CN202111168487.0A 2021-10-07 2021-10-07 一种车载网中基于无人机辅助的检测恶意节点方法 Pending CN113891318A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111168487.0A CN113891318A (zh) 2021-10-07 2021-10-07 一种车载网中基于无人机辅助的检测恶意节点方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111168487.0A CN113891318A (zh) 2021-10-07 2021-10-07 一种车载网中基于无人机辅助的检测恶意节点方法

Publications (1)

Publication Number Publication Date
CN113891318A true CN113891318A (zh) 2022-01-04

Family

ID=79005442

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111168487.0A Pending CN113891318A (zh) 2021-10-07 2021-10-07 一种车载网中基于无人机辅助的检测恶意节点方法

Country Status (1)

Country Link
CN (1) CN113891318A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114462061A (zh) * 2022-01-25 2022-05-10 湖北工业大学 一种基于车联网隐私保护双认证的系统及方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110475205A (zh) * 2019-07-02 2019-11-19 西北工业大学 无人机自组网中基于航迹关系的中继选择方法、无人机
CN110650039A (zh) * 2019-09-17 2020-01-03 沈阳航空航天大学 一种基于多峰优化的无人机群辅助车辆网络协同通信模型

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110475205A (zh) * 2019-07-02 2019-11-19 西北工业大学 无人机自组网中基于航迹关系的中继选择方法、无人机
CN110650039A (zh) * 2019-09-17 2020-01-03 沈阳航空航天大学 一种基于多峰优化的无人机群辅助车辆网络协同通信模型

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
CHAKER ABDELAZIZ KERRACHE ET AL: "\"UAV-assisted technique for the detection of malicious and selfish nodes in VANETs\"", 《VEHICULAR COMMUNICATIONS》 *
HAMIDEH FATEMIDOKHT ET AL: "\"Efficient and Secure Routing Protocol Based on Artificial Intelligence Algorithms With UAV-Assisted for Vehicular Ad Hoc Networks in Intelligent Transportation Systems\"", 《IEEE》 *
夏辉;张三顺;孙运传;肖甫;李晔;成秀珍;: "车载自组网中基于信任管理的安全组播协议设计", 计算机学报 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114462061A (zh) * 2022-01-25 2022-05-10 湖北工业大学 一种基于车联网隐私保护双认证的系统及方法
CN114462061B (zh) * 2022-01-25 2024-07-02 湖北工业大学 一种基于车联网隐私保护双认证的系统及方法

Similar Documents

Publication Publication Date Title
Hamdi et al. A review of applications, characteristics and challenges in vehicular ad hoc networks (VANETs)
Kerrache et al. UAV-assisted technique for the detection of malicious and selfish nodes in VANETs
CN113449056A (zh) 用于在带宽受约束的网络中更新自主驾驶系统中的地图的设备和方法
CN113313264B (zh) 车联网场景下的高效联邦学习方法
Xia et al. Towards a novel trust‐based multicast routing for VANETs
CN102883263A (zh) 一种基于相邻车辆距离的vanet分簇维护方法
CN113497801B (zh) 一种基于时戳链的Sybil攻击检测方法
Paranjothi et al. A statistical approach for enhancing security in VANETs with efficient rogue node detection using fog computing
Barka et al. Behavior-aware UAV-assisted crowd sensing technique for urban vehicular environments
Phull et al. [Retracted] Enhancing Vehicular Ad Hoc Networks’ Dynamic Behavior by Integrating Game Theory and Machine Learning Techniques for Reliable and Stable Routing
Bersali et al. A new collaborative clustering approach for the Internet of vehicles (CCA-IoV)
Engoulou et al. A decentralized reputation management system for securing the internet of vehicles
Aissa et al. SOFCluster: Safety‐oriented, fuzzy logic‐based clustering scheme for vehicular ad hoc networks
Liu et al. HDRS: A hybrid reputation system with dynamic update interval for detecting malicious vehicles in VANETs
CN113891318A (zh) 一种车载网中基于无人机辅助的检测恶意节点方法
CN106851765A (zh) 一种车载网络紧急安全消息的传输中继节点的优选方法
Paranjothi et al. Enhancing security in vanets with efficient sybil attack detection using fog computing
Pisa et al. Vaima: A v2v based intersection traffic management algorithm
Curiel-Ramirez et al. A simulation approach of the internet of intelligent vehicles for closed routes in urban environments
Mouawad et al. Collective perception messages: New low complexity fusion and v2x connectivity analysis
Zhao et al. An intersection-based clustering algorithm for vehicular ad hoc networks
Devi et al. Intelligent Vehicular Communication Using Vulnerability Scoring Based Routing Protocol
Sharma et al. Trust assessment-based stable and attack resistant grouping strategy for data dissemination in IoV
Beheshti et al. Location-aware distributed clustering with eliminating GPS in vehicular ad-hoc networks
Kchiche et al. Traffic-aware access-points deployment strategies for VANETs

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20220104