CN116383753A - 基于物联网的异常行为提示方法、装置、设备及介质 - Google Patents
基于物联网的异常行为提示方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN116383753A CN116383753A CN202310607711.4A CN202310607711A CN116383753A CN 116383753 A CN116383753 A CN 116383753A CN 202310607711 A CN202310607711 A CN 202310607711A CN 116383753 A CN116383753 A CN 116383753A
- Authority
- CN
- China
- Prior art keywords
- information
- internet
- things
- data
- terminal
- 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
- 238000000034 method Methods 0.000 title claims abstract description 54
- 206010000117 Abnormal behaviour Diseases 0.000 title claims abstract description 42
- 238000004458 analytical method Methods 0.000 claims abstract description 18
- 238000012795 verification Methods 0.000 claims description 42
- 238000000605 extraction Methods 0.000 claims description 27
- 238000013528 artificial neural network Methods 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 15
- 230000002159 abnormal effect Effects 0.000 claims description 13
- 238000004891 communication Methods 0.000 claims description 13
- 230000005540 biological transmission Effects 0.000 claims description 11
- 230000006399 behavior Effects 0.000 claims description 4
- 230000006855 networking Effects 0.000 claims 3
- 230000005856 abnormality Effects 0.000 abstract description 8
- 238000013075 data extraction Methods 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 13
- 230000005611 electricity Effects 0.000 description 10
- 230000006870 function Effects 0.000 description 7
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000002547 anomalous effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 235000019800 disodium phosphate Nutrition 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/2433—Single-class perspective, e.g. one-against-all classification; Novelty detection; Outlier detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2474—Sequence data queries, e.g. querying versioned data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/25—Integrating or interfacing systems involving database management systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- 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
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y10/00—Economic sectors
- G16Y10/35—Utilities, e.g. electricity, gas or water
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/20—Analytics; Diagnosis
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/50—Safety; Security of things, users, data or systems
-
- Y—GENERAL 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Economics (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Business, Economics & Management (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Public Health (AREA)
- Tourism & Hospitality (AREA)
- Software Systems (AREA)
- Water Supply & Treatment (AREA)
- Probability & Statistics with Applications (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Computational Linguistics (AREA)
- Mathematical Physics (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Fuzzy Systems (AREA)
- Biomedical Technology (AREA)
- Computer Security & Cryptography (AREA)
- Alarm Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Telephonic Communication Services (AREA)
Abstract
本发明公开了基于物联网的异常行为提示方法、装置、设备及介质，方法包括：实时接收物联网终端的使用数据信息并存储至使用数据库，周期性地从使用数据库中截取当前使用信息，根据数据提取规则从当前使用信息中提取得到对应的使用特征，验证使用特征是否与使用数据库中对应的历史使用特征相匹配，若不相匹配则生成提示信息发送至与物联网终端对应的客户端。上述的基于物联网的异常行为提示方法，能够周期性截取当前使用信息，并进行分析以验证是否与历史使用特征相匹配，从而在出现异常时发送提示信息对用户进行智能提醒，从而提高物联网终端使用的安全性。
Description
技术领域
本发明涉及物联网技术领域，尤其涉及一种基于物联网的异常行为提示方法、装置、设备及介质。
背景技术
随着技术的发展，基于物联网技术的电表、燃气表等应用于日常生活中，电表、燃气表等物联网设备可对用电、用气数据进行统计并发送至云端，从而方便进行计费。然而，现有的技术方法中仅能够逐日或逐月统计用户的使用数据，无法对用户的异常使用行为进行分析判断，易出现用电安全问题或用气安全问题而无法及时分析发现，影响了使用安全性。因此，现有技术方法中应用于室内的物联网计量终端存在使用安全性不足的问题。
发明内容
本发明实施例提供了一种基于物联网的异常行为提示方法、装置、设备及介质，旨在解决现有技术方法中应用于室内的物联网计费终端存在使用安全性不足的问题。
第一方面，本发明实施例提供了一种基于物联网的异常行为提示方法，其中，该方法应用于云服务器或物联网终端中，所述云服务器与装配于室内的物联网终端建立网络连接以实现数据信息的传输，所述方法包括：
实时接收来自物联网终端的使用数据信息并存储至预置的使用数据库中；
周期性地从所述使用数据库中截取得到当前使用信息；
根据预置的数据特征提取规则从所述当前使用信息中提取得到对应的使用特征；
验证所述使用特征是否与所述使用数据库中对应的历史使用特征相匹配，得到验证结果；
若所述验证结果为不相匹配，生成对应的提示信息并发送至与所述物联网终端对应的客户端。
第二方面，本发明实施例还提供了一种基于物联网的异常行为提示装置，其中，该装置配置于云服务器或物联网终端中，所述云服务器与装配于室内的物联网终端建立网络连接以实现数据信息的传输，所述装置包括：
数据信息存储单元，用于实时接收来自物联网终端的使用数据信息并存储至预置的使用数据库中；
当前使用信息截取单元，用于周期性地从所述使用数据库中截取得到当前使用信息；
使用特征提取单元，用于根据预置的数据特征提取规则从所述当前使用信息中提取得到对应的使用特征；
验证结果获取单元，用于验证所述使用特征是否与所述使用数据库中对应的历史使用特征相匹配，得到验证结果；
提示信息发送单元，用于若所述验证结果为不相匹配，生成对应的提示信息并发送至与所述物联网终端对应的客户端。
第三方面，本发明实施例还提供了一种计算机设备，其中，所述设备包括处理器、通信接口、存储器和通信总线，其中，处理器、通信接口、存储器通过通信总线完成相互间的通信；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现上述第一方面所述的基于物联网的异常行为提示的步骤。
第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现如上述第一方面所述的基于物联网的异常行为提示的步骤。
本发明实施例提供了一种基于物联网的异常行为提示方法、装置、设备及介质，方法包括：实时接收物联网终端的使用数据信息并存储至使用数据库，周期性地从使用数据库中截取当前使用信息，根据数据提取规则从当前使用信息中提取得到对应的使用特征，验证使用特征是否与使用数据库中对应的历史使用特征相匹配，若不相匹配则生成提示信息发送至与物联网终端对应的客户端。上述的基于物联网的异常行为提示方法，能够周期性截取当前使用信息，并进行分析以验证是否与历史使用特征相匹配，从而在出现异常时发送提示信息对用户进行智能提醒，从而提高物联网终端使用的安全性。
附图说明
为了更清楚地说明本发明实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，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他的附图。
图1为本发明实施例提供的基于物联网的异常行为提示方法的方法流程图；
图2为本发明实施例提供的基于物联网的异常行为提示方法的应用场景示意图；
图3为本发明实施例提供的基于物联网的异常行为提示装置的示意性框图；
图4为本发明实施例提供的计算机设备的示意性框图。
具体实施方式
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。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解，在本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解，在本发明说明书和所附权利要求书中使用的术语“和/ 或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
请参阅图1及图2，如图所示，本发明申请的实施例提供了一种基于物联网的异常行为提示方法，该基于物联网的异常行为提示方法应用于云服务器10中，云服务器10与装配于室内的一个或多个物联网终端20建立网络连接以实现数据信息的传输，云服务器10还与客户端30建立网络连接以实现数据信息的传输，其中，物联网终端20可以是装配于室内的水表、电表、燃气表等计量终端，客户端30即是用于对提示信息进行收取的终端设备，如台式电脑、笔记本电脑、平板电脑或手机等，云服务器10即是配置于企业或政府机构内部用于对用户的异常行为进行判断及提示的服务器端。或者是，该基于物联网的异常行为提示方法应用于物联网终端中，应用该异常行为提示方法的物联网终端作为主物联网终端，主物联网终端与其它物联网终端20建立网络连接以实现数据信息的传输，其它物联网终端将所采集得到的使用数据信息传输至主物联网终端，并通过主物联网终端实现对用户的异常行为进行判断及提示的使用功能。
如图1所示，该方法包括步骤S110~S150。
S110、实时接收来自物联网终端的使用数据信息并存储至预置的使用数据库中。
实时接收来自物联网终端的使用数据信息并存储至预置的使用数据库中。云服务器可实施接收物联网终端所发出的使用数据信息，并将使用数据信息存储至预置的使用数据库中，具体的，物联网终端可实时采集相应的数据值并暂存在物联网终端中，到达传输时间点及可将暂存的数据值合并发送至云服务器。其中，物联网终端可以是具有数据收发功能的水表、电表或燃气表，则使用数据信息中可包括一组或多组数据值，每一组数据值即对应一个物联网计费终端。
例如，物联网终端可每间隔1秒钟采集一次数据值，则1分钟内可累计采集到60个数据值，每次间隔1分钟则将所采集到的多个数据值合并发送至云服务器，则只需要每分钟发送一次数据值即可，并且云服务器能够获取到每秒钟采集到的数据值，则云服务器获取的数据值中包括每一采集时间所对应的数据值。
在同时存在电表和其它物联网终端时，还可以是，水表和/或燃气表将其采集得到的数据值发送至电表，由电表收集后，将电表与其它物联网终端的数据值统一发送至云服务器。
云服务器接收到物联网终端所采集的使用数据信息后，将使用数据信息存储至使用数据库中，则使用数据库中包含不同用户所对应的使用数据信息。
在一具体的实施例中，步骤S110，包括子步骤：对实时接收到的所述使用数据信息中的多组数据值进行异常校验，得到是否异常的校验结果；若所述校验结果为异常，则生成对应的提示信息并发送至与所述物联网终端对应的客户端；若所述校验结果为正常，将所述使用数据信息存储至所述使用数据库中。
使用数据信息中可包含两组或两组以上的数据，云服务器可对接收到的使用数据信息中的多组数据值进行异常校验，从而得到是否异常的校验结果。具体的，可确定与使用数据信息中的采集时间对应的当前时间段，并获取与当前时间段对应的异常校验策略，通过异常校验策略对使用数据信息中的多组数据值进行异常校验。
例如，使用数据信息中的采集时间为21:03:00-21:03:59，该采集时间位于20:00:00-22:00:00之间的时间段内，则当前时间段为20:00:00-22:00:00，可获取该当前时间段对应的异常校验策略：用电数据值为零时用水数据值和/或用气数据值也必须为零，当所接收到的使用数据信息中的各组数据值满足上述异常校验规则时，得到正常的校验结果；当使用数据信息中的各组数据值不满足上述异常校验规则时，得到异常的校验结果。若校验结果为异常，则生成提示信息发送至物联网终端所属用户对应的客户端；若校验结果为正在，则继续执行后续步骤，也即将使用数据信息存储至使用数据库中。
S120、周期性地从所述使用数据库中截取得到当前使用信息。
周期性地从所述使用数据库中截取得到当前使用信息。周期性地从使用数据库中截取得到当前使用信息，当前使用信息可以是使用数据库中与一个截取时间段对应的数据值，通过对当前使用信息进行分析，即可获取与用户当前的使用行为对应的信息。
在一具体的实施例中，步骤S120具体包括子步骤：判断是否到达与上一截取时间点之间间隔预设时长的当前截取时间点；若到达当前截取时间点，从所述使用数据库中截取与截取时间段对应的数据值作为当前使用信息，所述截取时间段为当前截取时间段与上一截取时间点之间的时间段。
可判断是否到达当前截取时间点，其中，当前截取时间点也即与上一截取时间点之间间隔预设时长的时间点，则上一截取时间点与当前截取时间点之间即组合为一个截取时间段，从使用数据库中即可截取得到采集时间位于该截取时间段内的数据值作为当前使用信息。
例如，预设时长为5分钟，则可基于上一截取时间点开始，对应截取得到5分钟以内的数据值作为当前使用信息。
S130、根据预置的数据特征提取规则从所述当前使用信息中提取得到对应的使用特征。
根据预置的数据特征提取规则从所述当前使用信息中提取得到对应的使用特征。可根据数据特征提取规则从当前使用信息中提取得到对应的使用特征，数据特征提取规则即是用于从当前使用信息中提取对应使用特征的具体规则，使用特征也即可用于对当前使用信息的特征进行量化表征。
在一具体的实施例中，步骤S130具体包括子步骤：根据所述数据特征提取规则中的基础特征项从所述当前使用信息的每一组数据值中分别提取对应的基础数值特征；根据所述数据特征提取规则中的波形特征项对所述当前使用信息的每一组数据值分别进行特征提取，得到对应的波形特征信息；将所述基础数值特征与所述波形特征信息组合作为与所述当前使用信息对应的使用特征。
数据特征提取规则中包含多个基础特征项，可根据基础特征项从当前使用信息的每一组数据值中分别提取对应的基础数值特征。例如，基础特征项包括平均值、方差、平均波动系数等，平均波动系数为最大值减去最小值的差值与平均值之间的比值，对于用电数据值，则可获取其中的用电平均值、用电方差及用电平均波动系数等多个基础特征，获取各组数据值分别对应的基础特征即可组合为基础数值特征。
数据特征提取规则中还包括波形特征项，可通过波形特征项从当前使用信息的各组数据值中分别提取对应的波形特征，组合形成波形特征信息。具体的，可对各组数据值在频域序列和/或时域序列上对应的离散值进行快速傅里叶变换（fast Fourier transform，FFT），从而获取得到对应的频域波形图和/或时域波形图。其中，频域序列也即统计各数据值对应出现的频次来实现频域统计并得到相应统计序列，时域序列也即沿时间轴依次列举各采集时间对应的数据值来实现时域统计并得到相应统计序列。
获取频域波形图和/或时域波形图后，即可对波形图进行分析，通过波形特征项从频域波形图和/或时域波形图中获取对应的波形特征，波形特征项包括主波动振幅、主波动周期、次波动振幅、次波动周期等，获取当前使用信息中各组数据值对应的波形特征，并组合后即可得到波形特征信息。
将所得到的基础数值特征及波形特征信息进行组合，即可得到与当前使用信息对应的使用特征。
S140、验证所述使用特征是否与所述使用数据库中对应的历史使用特征相匹配，得到验证结果。
验证所述使用特征是否与所述使用数据库中对应的历史使用特征相匹配，得到验证结果。获取到使用特征后，即可验证使用特征是否与使用数据库中对应的历史使用特征相匹配。其中，历史使用特征也即从使用数据库中获取到的与使用特征对应用户在当前时间之前的历史使用信息对应的使用特征；历史使用特征也可以是从使用数据库中获取到的与使用特征对应用户存在关联的多个使用者在当前时间之前的历史使用信息对应的使用特征。
在一具体的实施例中，步骤S140之前，还包括步骤：从使用数据库中获取与所述使用特征的截取时间段所对应的历史使用信息；从所述历史使用信息中提取得到对应的历史使用特征。
在对使用特征与使用数据库中对应的历史使用特征进行匹配之前，还可从使用数据库中获取与使用特征的截取时间段所对应的历史使用信息。
例如，用户的使用特征的截取时间段为2023-03-02，21:03:00-21:03:59，则该截取时间段位于20:00:00-22:00:00之间的时间段内，则从使用数据库中截取位于3月份、20:00:00-22:00:00以内与该用户对应的历史使用数据作为历史使用信息。之后，再根据上述数据特征提取规则从该历史使用信息提取得到历史使用特征，提取历史使用特征的过程与提取使用特征的过程相同，在此不作赘述，此时提取的历史使用特征为该用户自身对应的单一使用特征。
其中，历史使用信息中各时间点对应数据的权重系数可采用公式（1）计算得到：
P=1/ln(x+1) （1）；
其中，x为历史使用信息中某一时间点对应数据的获取时间与当前时间的间隔时间。如当前时间为2023-03-02，某一时间点对应数据的获取时间为2022-03-05，则间隔时间x为1年，P即为计算得到的与历史使用信息中某一时间点对应数据所对应的权重系数。
具体应用过程中，可将历史使用信息中各数据与对应的权重系数进行相乘，并累加后进行历史使用信息提取。
还可以是，从使用数据库中截取位于3月份、20:00:00-22:00:00以内且与该用户存在关联的多个使用者的历史使用数据作为历史使用信息，如根据定位信息确定该用户半径200米范围内的其它使用者为与该用户存在关联的使用者，则可基于上述条件从半径200米范围内获取使用者的历史使用数据，计算多使用者的历史使用数据的平均值，作为对应的历史使用信息，则历史使用信息中包含一个虚拟使用者所对应的多组数据值，通过上述方式从历史使用信息中提取得到对应的历史使用特征，则此时提取的历史使用特征为与该用户存在关联的使用者的综合特征。
在一具体的实施例中，步骤S140具体包括子步骤：将所述历史使用特征及所述使用特征同时输入预置的神经网络层以计算对应的权重特征系数；将所述权重特征系数配置于预置的初始分析神经网络，以得到目标分析神经网络；将所述使用特征输入所述目标分析神经网络以获取对应的匹配类型作为对应的验证结果。
其中，神经网络层可以是注意力神经网络层，也即基于自注意力机制（SelfAttention Network）所构建的神经网络层。可根据所得到的历史使用特征及自注意力神经网络对使用特征进行自注意力分析得到对应的权重特征系数。具体的，使用特征可作为神经网络层的Query值（Q值），历史使用特征可作为神经网络层的Key值（K值），通过神经网络层进行自注意力分析的计算过程可采用公式（2）进行表示：
其中，K即表示为历史使用特征、Q即表示为使用特征，T为矩阵转制运算符号，d为K和Q的向量维度（K和Q的向量维度相等），softmax是对数值进行逻辑回归运算，weight即为计算得到的权重特征系数。
初始分析神经网络中包括输入层、中间层及输出层，则可将权重特征系数作为权重层配置于初始分析神经网络中；具体而言，可在输入层与中间层之间配置基于权重特征系数的权重层，从而得到目标分析神经网络。之后，将使用特征由输入层输入目标分析神经网络进行分析，从而由输出层获取相应的输出结果。其中，输出结果包括一具体的匹配类型，输出层中可包含两个输出节点，每一输出节点对应一个匹配类型，匹配类型可以是相匹配或不相匹配，则可从输出层获取各输出节点对应的输出节点值，输出节点值也即所输入的使用特征与相应输出节点之间的匹配度，获取匹配度最高的一个输出节点对应的匹配类型作为验证结果。
在其他实施例中，还可在输出层中配置两个以上的输出节点，每一输出节点对应一个异常等级，如输出节点对应的异常等级包括：无异常、轻微异常、中等异常及严重异常。则可根据验证结果对应生成相应异常等级的提示信息对用户进行提示。
S150、若所述验证结果为不相匹配，生成对应的提示信息并发送至与所述物联网终端对应的客户端。
若所述验证结果为不相匹配，生成对应的提示信息并发送至与所述物联网终端对应的客户端。若验证结果为不相匹配，则表明此时用户存在异常用水、异常用电、异常用气的行为，可生成对应的危险提示信息。云服务器中还存储有物联网计量终端所对应的客户端地址，客户端地址可以是邮件地址、电话号码等，则可根据与物联网终端对应的客户端地址将所生成的提示信息发送至与物联网终端对应的客户端，以对相应用户进行提示。
在一具体的实施例中，步骤S150之后，还包括步骤：生成对应的终端控制信息并发送至所述物联网终端，以控制所述物联网终端断开终端通路。
在发送提示信息后，还可生成对应的终端控制信息发送至物联网终端，从而控制物联网终端断开终端通路，如通过发送终端控制信息控制电表断开电路、燃气表断开输气通路，从而确保用户室内的安全性，进一步提高物联网终端使用的安全性。
在本发明实施例所提供的基于物联网的异常行为提示方法，实时接收物联网终端的使用数据信息并存储至使用数据库，周期性地从使用数据库中截取当前使用信息，根据数据提取规则从当前使用信息中提取得到对应的使用特征，验证使用特征是否与使用数据库中对应的历史使用特征相匹配，若不相匹配则生成提示信息发送至与物联网终端对应的客户端。上述的基于物联网的异常行为提示方法，能够周期性截取当前使用信息，并进行分析以验证是否与历史使用特征相匹配，从而在出现异常时发送提示信息对用户进行智能提醒，从而提高物联网终端使用的安全性。
本发明实施例还提供一种基于物联网的异常行为提示装置，该基于物联网的异常行为提示装置可配置于云服务器10或物联网终端20中，该基于物联网的异常行为提示装置用于执行前述的基于物联网的异常行为提示方法的任一实施例。具体地，请参阅图3，图3为本发明实施例提供的基于物联网的异常行为提示装置的示意性框图。
如图3所示，基于物联网的异常行为提示装置100包括数据信息存储单元110、当前使用信息截取单元120、使用特征提取单元130、验证结果获取单元140和提示信息发送单元150。
数据信息存储单元110，用于实时接收来自物联网终端的使用数据信息并存储至预置的使用数据库中。
当前使用信息截取单元120，用于周期性地从所述使用数据库中截取得到当前使用信息。
使用特征提取单元130，用于根据预置的数据特征提取规则从所述当前使用信息中提取得到对应的使用特征。
验证结果获取单元140，用于验证所述使用特征是否与所述使用数据库中对应的历史使用特征相匹配，得到验证结果。
提示信息发送单元150，用于若所述验证结果为不相匹配，生成对应的提示信息并发送至与所述物联网终端对应的客户端。
在本发明实施例所提供的基于物联网的异常行为提示装置应用上述基于物联网的异常行为提示方法，实时接收物联网终端的使用数据信息并存储至使用数据库，周期性地从使用数据库中截取当前使用信息，根据数据提取规则从当前使用信息中提取得到对应的使用特征，验证使用特征是否与使用数据库中对应的历史使用特征相匹配，若不相匹配则生成提示信息发送至与物联网终端对应的客户端。上述的基于物联网的异常行为提示方法，能够周期性截取当前使用信息，并进行分析以验证是否与历史使用特征相匹配，从而在出现异常时发送提示信息对用户进行智能提醒，从而提高物联网终端使用的安全性。
上述基于物联网的异常行为提示装置可以实现为计算机程序的形式，该计算机程序可以在如图4所示的计算机设备上运行。
请参阅图4，图4是本发明实施例提供的计算机设备的示意性框图。该计算机设备可以是用于执行基于物联网的异常行为提示方法以对异常使用行为进行提示的云服务器。
参阅图4，该计算机设备500包括通过通信总线501连接的处理器502、存储器和网络接口505，其中，存储器可以包括存储介质503和内存储器504。
该存储介质503可存储操作系统5031和计算机程序5032。该计算机程序5032被执行时，可使得处理器502执行基于物联网的异常行为提示方法，其中，存储介质503可以为易失性的存储介质或非易失性的存储介质。
该处理器502用于提供计算和控制能力，支撑整个计算机设备500的运行。
该内存储器504为存储介质503中的计算机程序5032的运行提供环境，该计算机程序5032被处理器502执行时，可使得处理器502执行基于物联网的异常行为提示方法。
该网络接口505用于进行网络通信，如提供数据信息的传输等。本领域技术人员可以理解，图4中示出的结构，仅仅是与本发明方案相关的部分结构的框图，并不构成对本发明方案所应用于其上的计算机设备500的限定，具体的计算机设备500可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
其中，所述处理器502用于运行存储在存储器中的计算机程序5032，以实现上述的基于物联网的异常行为提示方法中对应的功能。
本领域技术人员可以理解，图4中示出的计算机设备的实施例并不构成对计算机设备具体构成的限定，在其他实施例中，计算机设备可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。例如，在一些实施例中，计算机设备可以仅包括存储器及处理器，在这样的实施例中，存储器及处理器的结构及功能与图4所示实施例一致，在此不再赘述。
应当理解，在本发明实施例中，处理器502可以是中央处理单元 (CentralProcessing Unit，CPU)，该处理器502还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路 (Application Specific IntegratedCircuit，ASIC)、现成可编程门阵列 (Field-Programmable Gate Array，FPGA) 或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。其中，通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
在本发明的另一实施例中提供计算机可读存储介质。该计算机可读存储介质可以为易失性或非易失性的计算机可读存储介质。该计算机可读存储介质存储有计算机程序，其中计算机程序被处理器执行时实现上述的基于物联网的异常行为提示方法中所包含的步骤。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的设备、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
在本发明所提供的几个实施例中，应该理解到，所揭露的设备、装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为逻辑功能划分，实际实现时可以有另外的划分方式，也可以将具有相同功能的单元集合成一个单元，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口、装置或单元的间接耦合或通信连接，也可以是电的，机械的或其它的形式连接。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本发明实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分，或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个计算机可读存储介质中，包括若干指令用以使得一台计算机设备 ( 可以是个人计算机，服务器，或者网络设备等 ) 执行本发明各个实施例所述方法的全部或部分步骤。而前述的计算机可读存储介质包括：U 盘、移动硬盘、只读存储器 (ROM，Read-Only Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。
Claims (9)
1.一种基于物联网的异常行为提示方法，其特征在于，所述方法应用于云服务器或物联网终端中，所述云服务器与装配于室内的物联网终端建立网络连接以实现数据信息的传输，所述方法包括：
实时接收来自物联网终端的使用数据信息并存储至预置的使用数据库中；
周期性地从所述使用数据库中截取得到当前使用信息；
根据预置的数据特征提取规则从所述当前使用信息中提取得到对应的使用特征；
验证所述使用特征是否与所述使用数据库中对应的历史使用特征相匹配，得到验证结果；
若所述验证结果为不相匹配，生成对应的提示信息并发送至与所述物联网终端对应的客户端；
所述根据预置的数据特征提取规则从所述当前使用信息中提取得到对应的使用特征，包括：
根据所述数据特征提取规则中的基础特征项从所述当前使用信息的每一组数据值中分别提取对应的基础数值特征；
根据所述数据特征提取规则中的波形特征项对所述当前使用信息的每一组数据值分别进行特征提取，得到对应的波形特征信息；
将所述基础数值特征与所述波形特征信息组合作为与所述当前使用信息对应的使用特征。
2.根据权利要求1所述的基于物联网的异常行为提示方法，其特征在于，所述周期性地从所述使用数据库中截取得到当前使用信息，包括：
判断是否到达与上一截取时间点之间间隔预设时长的当前截取时间点；
若到达当前截取时间点，从所述使用数据库中截取与截取时间段对应的数据值作为当前使用信息，所述截取时间段为当前截取时间段与上一截取时间点之间的时间段。
3.根据权利要求1所述的基于物联网的异常行为提示方法，其特征在于，所述实时接收来自物联网终端的使用数据信息并存储至预置的使用数据库中，包括：
对实时接收到的所述使用数据信息中的多组数据值进行异常校验，得到是否异常的校验结果；
若所述校验结果为异常，则生成对应的提示信息并发送至与所述物联网终端对应的客户端；
若所述校验结果为正常，将所述使用数据信息存储至所述使用数据库中。
4.根据权利要求1所述的基于物联网的异常行为提示方法，其特征在于，所述验证所述使用特征是否与所述使用数据库中对应的历史使用特征相匹配之前，还包括：
从使用数据库中获取与所述使用特征的截取时间段所对应的历史使用信息；
从所述历史使用信息中提取得到对应的历史使用特征。
5.根据权利要求1或4所述的基于物联网的异常行为提示方法，其特征在于，所述验证所述使用特征是否与所述使用数据库中对应的历史使用特征相匹配，得到验证结果，包括：
将所述历史使用特征及所述使用特征同时输入预置的神经网络层以计算对应的权重特征系数；
将所述权重特征系数配置于预置的初始分析神经网络，以得到目标分析神经网络；
将所述使用特征输入所述目标分析神经网络以获取对应的匹配类型作为对应的验证结果。
6.根据权利要求1所述的基于物联网的异常行为提示方法，其特征在于，所述生成对应的提示信息并发送至与所述物联网终端对应的客户端之后，还包括：
生成对应的终端控制信息并发送至所述物联网终端，以控制所述物联网终端断开终端通路。
7.一种基于物联网的异常行为提示装置，其特征在于，所述装置配置于云服务器或物联网终端中，所述云服务器与装配于室内的物联网终端建立网络连接以实现数据信息的传输，所述装置包括：
数据信息存储单元，用于实时接收来自物联网终端的使用数据信息并存储至预置的使用数据库中；
当前使用信息截取单元，用于周期性地从所述使用数据库中截取得到当前使用信息；
使用特征提取单元，用于根据预置的数据特征提取规则从所述当前使用信息中提取得到对应的使用特征；
验证结果获取单元，用于验证所述使用特征是否与所述使用数据库中对应的历史使用特征相匹配，得到验证结果；
提示信息发送单元，用于若所述验证结果为不相匹配，生成对应的提示信息并发送至与所述物联网终端对应的客户端；
所述根据预置的数据特征提取规则从所述当前使用信息中提取得到对应的使用特征，包括：
根据所述数据特征提取规则中的基础特征项从所述当前使用信息的每一组数据值中分别提取对应的基础数值特征；
根据所述数据特征提取规则中的波形特征项对所述当前使用信息的每一组数据值分别进行特征提取，得到对应的波形特征信息；
将所述基础数值特征与所述波形特征信息组合作为与所述当前使用信息对应的使用特征。
8.一种计算机设备，其特征在于，所述设备包括处理器、通信接口、存储器和通信总线，其中，处理器、通信接口、存储器通过通信总线完成相互间的通信；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现权利要求1-6中任一项所述的基于物联网的异常行为提示方法的步骤。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-6中任一项所述的基于物联网的异常行为提示方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310607711.4A CN116383753B (zh) | 2023-05-26 | 2023-05-26 | 基于物联网的异常行为提示方法、装置、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310607711.4A CN116383753B (zh) | 2023-05-26 | 2023-05-26 | 基于物联网的异常行为提示方法、装置、设备及介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116383753A true CN116383753A (zh) | 2023-07-04 |
| CN116383753B CN116383753B (zh) | 2023-08-18 |
Family
ID=86971326
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310607711.4A Active CN116383753B (zh) | 2023-05-26 | 2023-05-26 | 基于物联网的异常行为提示方法、装置、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116383753B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116580567A (zh) * | 2023-07-13 | 2023-08-11 | 深圳市博昌智控科技有限公司 | 基于智能交通灯的道路拥堵原因获取方法、系统及设备 |
| CN117424755A (zh) * | 2023-12-18 | 2024-01-19 | 泓诚实业(深圳)有限公司 | 一种物联网设备数据处理方法及系统 |
| CN117527860A (zh) * | 2024-01-05 | 2024-02-06 | 河北普兰特生物科技有限公司 | 一种基于分布式系统的物联网通信方法、系统及介质 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103077439A (zh) * | 2012-12-31 | 2013-05-01 | 常州大学 | 不节约用电的检测系统及其检测方法 |
| CN112714368A (zh) * | 2020-12-07 | 2021-04-27 | 南方电网数字电网研究院有限公司 | 用电量异常提示方法、装置、计算机设备和存储介质 |
| CN113592662A (zh) * | 2021-07-30 | 2021-11-02 | 平安科技（深圳）有限公司 | 数据信息智能化处理方法、装置、设备及介质 |
| US20210393957A1 (en) * | 2018-10-02 | 2021-12-23 | Tufts Medical Center, Inc. | Systems and Methods for Sensing and Correcting Electrical Activity of Nerve Tissue |
| CN114333158A (zh) * | 2021-12-28 | 2022-04-12 | 三川智慧科技股份有限公司 | 一种智能水表控制用水量的方法及装置 |
| CN114386822A (zh) * | 2022-01-05 | 2022-04-22 | 江苏智臻能源科技有限公司 | 基于加权余弦相似度的重点人员用电行为异常分析方法 |
| WO2022095357A1 (zh) * | 2020-11-03 | 2022-05-12 | 平安科技（深圳）有限公司 | 基于人工智能的智能关联答复方法、装置、计算机设备 |
| CN114564683A (zh) * | 2022-02-25 | 2022-05-31 | 中用科技有限公司 | 园区智慧用电监测系统 |
| CN114841268A (zh) * | 2022-05-06 | 2022-08-02 | 国网江苏省电力有限公司营销服务中心 | 基于Transformer和LSTM融合算法的异常电力客户识别方法 |
-
2023
- 2023-05-26 CN CN202310607711.4A patent/CN116383753B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103077439A (zh) * | 2012-12-31 | 2013-05-01 | 常州大学 | 不节约用电的检测系统及其检测方法 |
| US20210393957A1 (en) * | 2018-10-02 | 2021-12-23 | Tufts Medical Center, Inc. | Systems and Methods for Sensing and Correcting Electrical Activity of Nerve Tissue |
| WO2022095357A1 (zh) * | 2020-11-03 | 2022-05-12 | 平安科技（深圳）有限公司 | 基于人工智能的智能关联答复方法、装置、计算机设备 |
| CN112714368A (zh) * | 2020-12-07 | 2021-04-27 | 南方电网数字电网研究院有限公司 | 用电量异常提示方法、装置、计算机设备和存储介质 |
| CN113592662A (zh) * | 2021-07-30 | 2021-11-02 | 平安科技（深圳）有限公司 | 数据信息智能化处理方法、装置、设备及介质 |
| CN114333158A (zh) * | 2021-12-28 | 2022-04-12 | 三川智慧科技股份有限公司 | 一种智能水表控制用水量的方法及装置 |
| CN114386822A (zh) * | 2022-01-05 | 2022-04-22 | 江苏智臻能源科技有限公司 | 基于加权余弦相似度的重点人员用电行为异常分析方法 |
| CN114564683A (zh) * | 2022-02-25 | 2022-05-31 | 中用科技有限公司 | 园区智慧用电监测系统 |
| CN114841268A (zh) * | 2022-05-06 | 2022-08-02 | 国网江苏省电力有限公司营销服务中心 | 基于Transformer和LSTM融合算法的异常电力客户识别方法 |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116580567A (zh) * | 2023-07-13 | 2023-08-11 | 深圳市博昌智控科技有限公司 | 基于智能交通灯的道路拥堵原因获取方法、系统及设备 |
| CN117424755A (zh) * | 2023-12-18 | 2024-01-19 | 泓诚实业(深圳)有限公司 | 一种物联网设备数据处理方法及系统 |
| CN117424755B (zh) * | 2023-12-18 | 2024-04-19 | 泓诚实业(深圳)有限公司 | 一种物联网设备数据处理方法及系统 |
| CN117527860A (zh) * | 2024-01-05 | 2024-02-06 | 河北普兰特生物科技有限公司 | 一种基于分布式系统的物联网通信方法、系统及介质 |
| CN117527860B (zh) * | 2024-01-05 | 2024-04-09 | 河北普兰特生物科技有限公司 | 一种基于分布式系统的物联网通信方法、系统及介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116383753B (zh) | 2023-08-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116383753B (zh) | 基于物联网的异常行为提示方法、装置、设备及介质 | |
| US11032323B2 (en) | Parametric analysis of integrated operational technology systems and information technology systems | |
| Li et al. | Intrusion detection system using Online Sequence Extreme Learning Machine (OS-ELM) in advanced metering infrastructure of smart grid | |
| CN109685536B (zh) | 用于输出信息的方法和装置 | |
| US20180248879A1 (en) | Method and apparatus for setting access privilege, server and storage medium | |
| CN110198302B (zh) | 一种针对智能电表数据发布的隐私保护方法及系统 | |
| CN109190916A (zh) | 基于大数据分析的反窃电方法 | |
| CN111478963A (zh) | 消息推送方法、装置、电子设备及计算机可读存储介质 | |
| CN103294947A (zh) | 程序解析系统及方法 | |
| Kang et al. | Using cache optimization method to reduce network traffic in communication systems based on cloud computing | |
| WO2021216163A2 (en) | Ai-driven defensive cybersecurity strategy analysis and recommendation system | |
| Erdogdu et al. | Privacy-utility trade-off for time-series with application to smart-meter data | |
| CN111476375A (zh) | 一种确定识别模型的方法、装置、电子设备及存储介质 | |
| Pötter et al. | Towards privacy-preserving framework for non-intrusive load monitoring | |
| Jiang et al. | A privacy-preserving aggregation scheme based on immunological negative surveys for smart meters | |
| CN112181832B (zh) | 测试数据生成方法、装置、计算机设备及存储介质 | |
| CN112464209A (zh) | 一种电力终端指纹认证方法及装置 | |
| CN116756522A (zh) | 概率预报方法、装置、存储介质及电子设备 | |
| CN109873836A (zh) | 一种数据的风险评估方法及装置 | |
| CN112182633B (zh) | 保护隐私的模型联合训练方法及装置 | |
| EP3971754A1 (en) | Method and apparatus for identifying applets of risky content based on differential privacy preserving | |
| CN108449306A (zh) | 一种离群度检测方法 | |
| CN110489568B (zh) | 生成事件图的方法、装置、存储介质和电子设备 | |
| CN113779335A (zh) | 信息生成方法、装置、电子设备和计算机可读介质 | |
| CN117555905B (zh) | 一种业务处理方法、装置、设备、存储介质及程序产品 |
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 |