CN115965382A - 一种基于智能合约的资金交易监管方法及系统 - Google Patents

一种基于智能合约的资金交易监管方法及系统 Download PDF

Info

Publication number
CN115965382A
CN115965382A CN202211697729.XA CN202211697729A CN115965382A CN 115965382 A CN115965382 A CN 115965382A CN 202211697729 A CN202211697729 A CN 202211697729A CN 115965382 A CN115965382 A CN 115965382A
Authority
CN
China
Prior art keywords
transaction
merchant
behavior
contract
intelligent contract
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
CN202211697729.XA
Other languages
English (en)
Inventor
杨春
王亚丽
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.)
Chengdu Tianfutong Digital Technology Co ltd
Original Assignee
Chengdu Tianfutong Digital Technology 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 Chengdu Tianfutong Digital Technology Co ltd filed Critical Chengdu Tianfutong Digital Technology Co ltd
Priority to CN202211697729.XA priority Critical patent/CN115965382A/zh
Publication of CN115965382A publication Critical patent/CN115965382A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02PCLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30Computing systems specially adapted for manufacturing

Landscapes

  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及资金交易监管技术领域,具体而言,涉及一种基于智能合约的资金交易监管方法及系统,该方法的步骤包括:商户与用户进行身份信息注册,获取商户合约信息和用户服务信息,构成智能合约;获取商户的交易数据,所述交易数据包括商户的交易特征行为、成功交易行为;基于所述交易数据得出商户信用参数,根据智能合约和商户信用参数生成合约场景以及合约场景专用的二类户,所述二类户用于保存预支付金额并从银行账户向商家拨款;若二类户中存储的预支付金额超出协管区间,则向用户发送告警信息。

Description

一种基于智能合约的资金交易监管方法及系统
技术领域
本发明涉及资金交易监管技术领域,具体而言,涉及一种基于智能合约的资金交易监管方法及系统。
背景技术
预付费会员制作为一种高级营销模式倍受中国商家的青睐,尤其在各种会所、俱乐部、美容美发、保健、维修保养洗车等汽车服务、衣服干洗、教育培训、商超零售等服务业中得到广泛运用。对于提供服务的商家来说,推行预付费会员制消费,可以提前快速回笼大笔资金用于再发展周转,更重要的是可以建立和维持稳定的消费者资源,确保有持续的稳定收入,现如今大多预付费过程采用C端监管模式进行资金监管,C端资金监管指将用户预付资金存放在场景专用二类户里,按智能合约扣划给B端商户,C端资金监管模式下,底层依托于银行的二类户,由于各家银行的二类户功能参差不齐,对资金的监管不能完全依托于银行的银行二类户服务能力;因此,在二类户下建立钱包体系,按购买的预付商品建立账本,分别监管预付商品使用、核销过程对应的资金流动,而B端商户直接与二类户交易的过程中,由于预付费会员折扣卡的充值数额变化较大,不少用户为了方便使用,在折扣卡中会预存数量较大的会员费,商家也会打着多充多送的旗号诱导用户消费,若遇上不良商家突然停业人间蒸发,预付费追回的几率极小,而预付费款越多,对用户产生的影响也越大。
发明内容
本发明的目的在于提供一种基于智能合约的资金交易监管方法及系统,其以对商户的历史合约信用数据作为评判标准,并以该评判依据对用户存储的预支付金额进行提示,从根本上加强了对商户的行为审视和约束,由于用户在进行商户交易时,已经不可避免地泄漏了大量个人信息,难免存在商户不择手段入侵客户账户转移财产的行为,提前动态地根据商户的行为对用户进行提醒,使用户能够根据商户的行为数据调整预存金额的数量,最大程度地减少了商户对用户预存金额的威胁,也最大程度地保护了用户的个人财产安全。
本发明的实施例通过以下技术方案实现:
一种基于智能合约的资金交易监管方法,该方法的步骤包括:
商户与用户进行身份信息注册,获取商户合约信息和用户服务信息,构成智能合约;获取商户的交易数据,所述交易数据包括商户的交易特征行为、成功交易行为;
基于所述交易数据得出商户信用参数,根据智能合约和商户信用参数生成合约场景以及合约场景专用的二类户,所述二类户用于保存预支付金额并从银行账户向商家拨款;
若二类户中存储的预支付金额超出协管区间,则向用户发送告警信息。
在上述应用中,能够提前动态地根据商户的行为对用户进行提醒,使用户能够根据商户的行为数据调整预存金额的数量,最大程度地减少了商户对用户预存金额的威胁,也最大程度地保护了用户的个人财产安全。
可选的,基于所述交易数据得出商户信用参数时还包括以下步骤:
获取连续两个时间段的商户交易数据,所述商户交易数据包括每类商品的第一交易特征行为、第一成功交易行为,第二交易特征行为,第二成功交易行为;
通过聚类算法得出每类商品的行为比,按照风险识别值的绝对值大小从高到低对行为比进行排序,得出商户信用参数,所述商户信用参数包括第一交易特征序列、第一成功行为序列、第二交易特征序列、第二成功行为序列。
在上述应用中,此处获取连续时间段的商户交易数据,并生成交易特征序列与成功行为序列,能够对商品的单个时间段中交易完成情况进行量化。
可选的,采用标签传播算法计算第一交易特征行为的第一风险识别值、第二交易特征行为的第二交易风险识别值,采用标签传播算法计算第一成功交易行为的第一成功风险识别值、第二成功交易行为的第二成功风险识别值。
在上述应用中,此处生成交易风险识别值,能够对商品的单个时间段中交易完成风险情况进行量化。
可选的,将所述第一交易特征序列、第一成功行为序列、第二交易特征序列、第二成功行为序列带入行为清算模型中获取商品的流动风险值;
所述行为清算模型如下式所示:
Figure BDA0004022871160000031
其中,
Figure BDA0004022871160000032
为第一交易特征序列、μ1为第一成功行为序列、
Figure BDA0004022871160000033
为第二交易特征序列、μ2为第二成功行为序列。
在上述应用中,获取商品的流动风险值,能够得到商品在两段连续的销售时间段中风险的动态变化规律。
可选的,根据智能合约和商户信用参数生成合约场景时具体包括以下步骤:
将智能合约在区块链上部署,解析智能合约对应的电子确权凭证信息,将电子确权凭证作为第一场景要素;
审核商户信用参数的合规性、安全性和权限,获取信用参数审核结果,若确定审核结果为通过,则将审核结果作为第二场景要素,对第一场景要素、第二场景要素进行上链存证;
对所述第一场景要素和所述第二场景要素进行哈希值运算生成合约场景。
在上述应用中,根据商户的信用参数合规性、安全性和权限生成合约场景,便于分析商户的所处的市场环境。
可选的,当合约场景处于普通市场下时的协管区间计算公式:
Figure BDA0004022871160000041
当合约场景处于极端市场下时的协管区间计算公式:
Figure BDA0004022871160000042
其中,δ为置信水平,β为商品在两个时间段中的卖价差,θ为每日日终头寸规模。
在上述应用中,将商户所处的市场环境按普通市场与极端市场进行区分,不同的市场环境下商品的风险变化情况不同,预存款的协管金额也相应受到影响。
可选的,所述电子确权凭证信息包括但不限于商户的贸易背景信息、基础资料、经营管理信息、财务信息、企业信用评级数据、技术情况中的一种或者几种。
在上述应用中,商户所处的市场环境氛围与商户的贸易背景信息、基础资料、经营管理信息、财务信息、企业信用评级数据、技术情况存在直接关联。
可选的,还包括以下步骤:
商家将历史合约场景生成轮次表,所述二类户向商家拨款时,智能合约存储所述轮次表;
所述智能合约根据当前交易顺序生成轮次编号,在区块链公开所述编号,拨款时将拨款数据与轮次编号关联,将关联后的数据按照时间切片后计算切片数据的哈希值,并上传区块链存储;
接收轮次表切片数据进行哈希值计算,将轮次表哈希值和区块链发送的同期数据哈希值进行比对,若比对不一致,则商家历史合约场景作假,向用户发送告警信息。
在上述应用中,通过将历史合约场景进行链上留存比对,避免商户对历史合约场景造假,从而保障商户电子确权凭证信息的真实性。
可选的,所述哈希值的计算方式采用安全散列算法SHA256。
一种基于智能合约的资金交易监管系统,包括以下内容:
商户信用评估模块:用于获取商户的交易数据,得出商户信用参数;
流动风险值计算模块:用于将所述商户信用参数带入行为清算模型中获取商品的流动风险值;
智能合约模块:用于获取商户合约信息和用户服务信息,构成智能合约;
协管区间计算模块:用于基于商品的流动风险值与智能合约计算预支付金额的协管区间。
在上述应用中,基于智能合约的资金交易监管系统应用于上述基于智能合约的资金交易监管系统方法的内容,具体应用情况与基于智能合约的资金交易监管系统内容相同,此处不做赘述。
本发明实施例的技术方案至少具有如下优点和有益效果:
本发明实施例相较于传统只针对智能合约实施方式进行完善的方法,本发明实施例以对商户的历史合约信用数据作为评判标准,并以该评判依据对用户存储的预支付金额进行提示,从根本上加强了对商户的行为审视和约束,由于用户在进行商户交易时,已经不可避免地泄漏了大量个人信息,难免存在商户不择手段入侵客户账户转移财产的行为,提前动态地根据商户的行为对用户进行提醒,使用户能够根据商户的行为数据调整预存金额的数量,最大程度地减少了商户对用户预存金额的威胁,也最大程度地保护了用户的个人财产安全。
附图说明
图1为本发明实施例提供的一种基于智能合约的资金交易监管方法的整体流程示意图;
图2为本发明实施例提供的一种基于智能合约的资金交易监管方法中根据智能合约和商户信用参数生成合约场景时的步骤图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明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发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
参照图1所示,图1为本发明实施例提供的一种基于智能合约的资金交易监管方法的整体流程示意图。
在一种实施方式中,一种基于智能合约的资金交易监管方法,该方法的步骤包括:
商户与用户进行身份信息注册,获取商户合约信息和用户服务信息,构成智能合约;获取商户的交易数据,所述交易数据包括商户的交易特征行为、成功交易行为;
基于所述交易数据得出商户信用参数,根据智能合约和商户信用参数生成合约场景以及合约场景专用的二类户,所述二类户用于保存预支付金额并从银行账户向商家拨款;
若二类户中存储的预支付金额超出协管区间,则向用户发送告警信息。
在上述实现过程中,本发明内容可以运用于多种交易场景,且在每种交易场景各个商品具体分类和排序都可以自行定义;在运用于淘宝购物时,所述交易商品类型,包括鞋子、配饰、衣服、裤子等;在运用于移动营销时,所述交易商品类型包括宽带、流量等;在用于电力交易时,所述交易商品类型包括家用电、商用电等;在运用于金融交易时,所述交易商品包括但不限于基金、贷款等。
在一种实施方式中,基于所述交易数据得出商户信用参数时还包括以下步骤:
获取连续两个时间段的商户交易数据,所述商户交易数据包括每类商品的第一交易特征行为、第一成功交易行为,第二交易特征行为,第二成功交易行为;
通过聚类算法得出每类商品的行为比,按照风险识别值的绝对值大小从高到低对行为比进行排序,得出商户信用参数,所述商户信用参数包括第一交易特征序列、第一成功行为序列、第二交易特征序列、第二成功行为序列。
在上述实现过程中,此处获取连续时间段的商户交易数据,其中连续时间段可以一星期、一个月、一个季度等,此处因需要对商品的售卖效果进行实时判断,所以此处连续时间段为一个星期,且为了避免无关数据对计算结果造成的影响,此处还需要对商品进行相关性处理,相关性处理的具体步骤为对访问页面进行相关性评估,删除相关性低于要求的访问次数;计算相邻两次交易次数的间隔时间和交易订单信息来评估交易的可靠性,若两次交易间隔时间低于预设间隔时长且交易订单信息相同,则判断第一次交易为用户信息填写错误或者其他操作错误的交易,删除该次交易行为数据;通过计算交易成功订单的发起交易时间和完成交易时间间隔评估该交易成功行为的可靠性,若发起交易时间和完成交易时间间隔小于预设交易时间间隔,则删除该次成功交易。
更为具体的,采用标签传播算法计算第一交易特征行为的第一风险识别值、第二交易特征行为的第二交易风险识别值,采用标签传播算法计算第一成功交易行为的第一成功风险识别值、第二成功交易行为的第二成功风险识别值。
更为具体的,将所述第一交易特征序列、第一成功行为序列、第二交易特征序列、第二成功行为序列带入行为清算模型中获取商品的流动风险值;
所述行为清算模型如下式所示:
Figure BDA0004022871160000091
其中,
Figure BDA0004022871160000092
为第一交易特征序列、μ1为第一成功行为序列、
Figure BDA0004022871160000093
为第二交易特征序列、μ2为第二成功行为序列。
参照图2所示,图2为本发明实施例提供的一种基于智能合约的资金交易监管方法中根据智能合约和商户信用参数生成合约场景时的步骤图。
在一种实施方式中,根据智能合约和商户信用参数生成合约场景时具体包括以下步骤:
将智能合约在区块链上部署,解析智能合约对应的电子确权凭证信息,将电子确权凭证作为第一场景要素;
审核商户信用参数的合规性、安全性和权限,获取信用参数审核结果,若确定审核结果为通过,则将审核结果作为第二场景要素,对第一场景要素、第二场景要素进行上链存证;
对所述第一场景要素和所述第二场景要素进行哈希值运算生成合约场景。
在本实施例中,当合约场景处于普通市场下时的协管区间计算公式:
Figure BDA0004022871160000101
当合约场景处于极端市场下时的协管区间计算公式:
Figure BDA0004022871160000102
其中,δ为置信水平,β为商品在两个时间段中的卖价差,θ为每日日终头寸规模。
此处极端市场为股市在单边的产生巨大幅度的上升或下降的市场,这表明该市场经济还不健全,容易大起大落。
更为具体的,所述电子确权凭证信息包括但不限于商户的贸易背景信息、基础资料、经营管理信息、财务信息、企业信用评级数据、技术情况中的一种或者几种。
更为具体的,商家将历史合约场景生成轮次表,所述二类户向商家拨款时,智能合约存储所述轮次表;
所述智能合约根据当前交易顺序生成轮次编号,在区块链公开所述编号,拨款时将拨款数据与轮次编号关联,将关联后的数据按照时间切片后计算切片数据的哈希值,并上传区块链存储;
接收轮次表切片数据进行哈希值计算,将轮次表哈希值和区块链发送的同期数据哈希值进行比对,若比对不一致,则商家历史合约场景作假,向用户发送告警信息。
更为具体的,所述哈希值的计算方式采用安全散列算法SHA256。
本实施例相较于传统只针对智能合约实施方式进行完善的方法,本实施例以对商户的历史合约信用数据作为评判标准,并以该评判依据对用户存储的预支付金额进行提示,从根本上加强了对商户的行为审视和约束,由于用户在进行商户交易时,已经不可避免地泄漏了大量个人信息,难免存在商户不择手段入侵客户账户转移财产的行为,提前动态地根据商户的行为对用户进行提醒,使用户能够根据商户的行为数据调整预存金额的数量,最大程度地减少了商户对用户预存金额的威胁,也最大程度地保护了用户的个人财产安全。
在一种实施方式中,一种基于智能合约的资金交易监管系统,包括:
商户信用评估模块:用于获取商户的交易数据,得出商户信用参数;
流动风险值计算模块:用于将所述商户信用参数带入行为清算模型中获取商品的流动风险值;
智能合约模块:用于获取商户合约信息和用户服务信息,构成智能合约;
协管区间计算模块:用于基于商品的流动风险值与智能合约计算预支付金额的协管区间。
以上仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。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 (8)

1.一种基于智能合约的资金交易监管方法,其特征在于,该方法的步骤包括:
商户与用户进行身份信息注册,获取商户合约信息和用户服务信息,构成智能合约;
获取商户的交易数据,所述交易数据包括商户的交易特征行为、成功交易行为;
基于所述交易数据得出商户信用参数,根据智能合约和商户信用参数生成合约场景以及合约场景专用的二类户,所述二类户用于保存预支付金额并从银行账户向商家拨款;
若二类户中存储的预支付金额超出协管区间,则向用户发送告警信息。
2.根据权利要求1所述的基于智能合约的资金交易监管方法,其特征在于,基于所述交易数据得出商户信用参数时还包括以下步骤:
获取连续两个时间段的商户交易数据,所述商户交易数据包括每类商品的第一交易特征行为、第一成功交易行为,第二交易特征行为,第二成功交易行为;
通过聚类算法得出每类商品的行为比,按照风险识别值的绝对值大小从高到低对行为比进行排序,得出商户信用参数,所述商户信用参数包括第一交易特征序列、第一成功行为序列、第二交易特征序列、第二成功行为序列。
3.根据权利要求2所述的基于智能合约的资金交易监管方法,其特征在于,采用标签传播算法计算第一交易特征行为的第一风险识别值、第二交易特征行为的第二交易风险识别值,采用标签传播算法计算第一成功交易行为的第一成功风险识别值、第二成功交易行为的第二成功风险识别值。
4.根据权利要求2所述的基于智能合约的资金交易监管方法,其特征在于,将所述第一交易特征序列、第一成功行为序列、第二交易特征序列、第二成功行为序列带入行为清算模型中获取商品的流动风险值;
所述行为清算模型如下式所示:
其中,为第一交易特征序列、μ1为第一成功行为序列、为第二交易特征序列、μ2为第二成功行为序列。
5.根据权利要求4所述的基于智能合约的资金交易监管方法,其特征在于,根据智能合约和商户信用参数生成合约场景时具体包括以下步骤:
将智能合约在区块链上部署,解析智能合约对应的电子确权凭证信息,将电子确权凭证作为第一场景要素;
审核商户信用参数的合规性、安全性和权限,获取信用参数审核结果,若确定审核结果为通过,则将审核结果作为第二场景要素,对第一场景要素、第二场景要素进行上链存证;
对所述第一场景要素和所述第二场景要素进行哈希值运算生成合约场景。
6.根据权利要求1所述的基于智能合约的资金交易监管方法,其特征在于,还包括以下步骤:
商家将历史合约场景生成轮次表,所述二类户向商家拨款时,智能合约存储所述轮次表;
所述智能合约根据当前交易顺序生成轮次编号,在区块链公开所述编号,拨款时将拨款数据与轮次编号关联,将关联后的数据按照时间切片后计算切片数据的哈希值,并上传区块链存储;
接收轮次表切片数据进行哈希值计算,将轮次表哈希值和区块链发送的同期数据哈希值进行比对,若比对不一致,则商家历史合约场景作假,向用户发送告警信息。
7.根据权利要求6所述的基于智能合约的资金交易监管方法,其特征在于,所述哈希值的计算方式采用安全散列算法SHA256。
8.一种基于智能合约的资金交易监管系统,其特征在于,应用于权利要求1-7任一项所述的一种基于智能合约的资金交易监管方法,包括以下内容:
商户信用评估模块:用于获取商户的交易数据,得出商户信用参数;
流动风险值计算模块:用于将所述商户信用参数带入行为清算模型中获取商品的流动风险值;
智能合约模块:用于获取商户合约信息和用户服务信息,构成智能合约。
CN202211697729.XA 2022-12-28 2022-12-28 一种基于智能合约的资金交易监管方法及系统 Pending CN115965382A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211697729.XA CN115965382A (zh) 2022-12-28 2022-12-28 一种基于智能合约的资金交易监管方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211697729.XA CN115965382A (zh) 2022-12-28 2022-12-28 一种基于智能合约的资金交易监管方法及系统

Publications (1)

Publication Number Publication Date
CN115965382A true CN115965382A (zh) 2023-04-14

Family

ID=87363072

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211697729.XA Pending CN115965382A (zh) 2022-12-28 2022-12-28 一种基于智能合约的资金交易监管方法及系统

Country Status (1)

Country Link
CN (1) CN115965382A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116228221A (zh) * 2023-04-28 2023-06-06 数金公共服务(青岛)有限公司 一种预付卡监管系统、方法、设备及介质

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116228221A (zh) * 2023-04-28 2023-06-06 数金公共服务(青岛)有限公司 一种预付卡监管系统、方法、设备及介质

Similar Documents

Publication Publication Date Title
Borzekowski et al. The choice at the checkout: Quantifying demand across payment instruments
US8458069B2 (en) Systems and methods for adaptive identification of sources of fraud
WO2019050864A1 (en) ENHANCING FRAUD DETECTION THROUGH PROFILING A GLOBAL ANONYMOUS CUSTOMER BEHAVIOR
Arango et al. Why is cash (still) so entrenched? Insights from Canadian shopping diaries
Zhang et al. Price of identical product with gray market sales: An analytical model and empirical analysis
Johnen Dynamic competition in deceptive markets
McAndrews et al. The economics of two-sided payment card markets: Pricing, adoption and usage
Adeoti et al. Factors influencing consumers adoption of point of sale terminals in Nigeria
Sokołowska Innovations in the payment card market: The case of Poland
AU2014250767A1 (en) Analytics rules engine for payment processing system
Wang et al. Sticky prices and costly credit
CN115965382A (zh) 一种基于智能合约的资金交易监管方法及系统
AU2019257461A1 (en) Analytics rules engine for payment processing system
Ingole et al. Credit card fraud detection using Hidden Markov Model and its performance
Suryandari et al. Determinants of interest in using electronic money in Indonesia: evidence from Denpasar, Bali.
Carbo-Valverde et al. Feedback loop effects in payment card markets: Empirical evidence
Perera et al. Interrelations between mobile banking service quality attributes, customer satisfaction and customer loyalty in domestic commercial banks in Sri Lanka
CN114331463A (zh) 基于线性回归模型的风险识别方法及其相关设备
Górka Payment behaviour in Poland–The benefits and costs of cash, cards and other non-cash payment instruments
Choudhury et al. An overview into the aspects of fake product reviews, its manipulation, and its effects and monitoring
Pawar¹ et al. DETECTION OF FRAUD IN ONLINE CREDIT-CARD TRANSACTIONS
Gladilin et al. Data-Driven Approach for Dynamic Pricing for Decision Making Systems in Marketing and Finance
US11488184B2 (en) Systems, methods, and apparatuses for forecasting merchant performance
Urban et al. Analysis on Off-Chain Collateralised Stablecoin Demand and Volatility
Goczek et al. Card payments in Poland: determinants and prospects

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