CN111752980B - 一种执法监管智能预警系统及方法 - Google Patents
一种执法监管智能预警系统及方法 Download PDFInfo
- Publication number
- CN111752980B CN111752980B CN202010616162.3A CN202010616162A CN111752980B CN 111752980 B CN111752980 B CN 111752980B CN 202010616162 A CN202010616162 A CN 202010616162A CN 111752980 B CN111752980 B CN 111752980B
- Authority
- CN
- China
- Prior art keywords
- early warning
- grammar
- sql
- parser
- definer
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 26
- 230000002159 abnormal effect Effects 0.000 claims abstract description 8
- 238000004458 analytical method Methods 0.000 claims abstract description 8
- 238000012216 screening Methods 0.000 claims abstract description 5
- 241000282414 Homo sapiens Species 0.000 claims description 3
- 238000009412 basement excavation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- 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
- G06F16/2455—Query execution
- G06F16/24564—Applying rules; Deductive queries
-
- 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
- G06F16/242—Query formulation
- G06F16/2433—Query languages
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Debugging And Monitoring (AREA)
- Devices For Executing Special Programs (AREA)
Abstract
本发明特别涉及一种执法监管智能预警系统及方法。该执法监管智能预警系统，包括数据源管理器，解析器，规则库和规则定义器，所述数据源管理器连接到解析器，所述规则定义器通过规则库连接到解析器；所述规则定义器用于指定预警规则的数据源和定义预警规则，解析器用于解析规则定义器中定义的预警规则，并利用预警规则在数据源中对异常预警信息进行筛选。该执法监管智能预警系统及方法，通过对执法监管数据的多维度、多角度分析，实现了对执法监管数据的智能预警，从而帮助用户时发现执法监管中存在的问题，并进行及时、有效的处理。
Description
技术领域
本发明涉及互联网与监管技术领域，特别涉及一种执法监管智能预警系统及方法。
背景技术
现有的执法监管预警系统主要使用固定规则匹配+人工筛选的模式进行异常数据的发现与预警。这种模式存在数据处理速度慢、出错率高、匹配规则修改困难、难以留痕等问题。
为贯彻落实关于创新监管理念和监管方式，加快推进“互联网+监管”系统建设，借助信息化、大数据分析挖掘等技术手段，归集、共享行政检查、处罚、强制等各类监管数据，及早发现防范苗头性和跨行业跨区域风险，必须建设一个智能化的的执法监管预警系统。
基于此，本发明提出了一种执法监管智能预警系统及方法，旨在通过灵活定义的各种规则对多个数据源的数据进行分析、模式匹配，并及时将匹配到的异常预警信息自动发送到对应的业务部门。
发明内容
本发明为了弥补现有技术的缺陷，提供了一种简单高效的执法监管智能预警系统及方法。
本发明是通过如下技术方案实现的：
一种执法监管智能预警系统，其特征在于：包括数据源管理器，解析器，规则库和规则定义器，所述数据源管理器连接到解析器，所述规则定义器通过规则库连接到解析器；
所述数据源管理器支持热更新，用于维护一个或多个数据源；
所述规则定义器由类SQL语法定义器，表达式语法定义器和类JSON语法定义器组成，用于指定预警规则的数据源和定义预警规则；
与规则定义器相对应的，所述解析器由类SQL语法解析器，表达式语法解析器和类JSON语法解析器，以及相关的数据库组成；解析器用于解析规则定义器中定义的预警规则，并利用预警规则在数据源中对异常预警信息进行筛选。
通过指定数据库类型、地址、账号、密码和对应的JDBC(Java DataBaseConnectivity，Java数据库连接)驱动，所述数据源管理器可以在不重启应用的前提下实现数据源的热更新。
所述数据源管理器支持MySql，Oracle与Server三大主流数据库。
基于该执法监管智能预警系统的预警方法，其特征在于：包括以下步骤：
第一步，数据源管理器根据数据源实际分布情况维护各个数据源；
第二步，规则定义器指定预警规则的数据源，并定义预警规则；
根据业务规则，针对涉及多表复杂逻辑的预警情况，利用类SQL语法定义器定义类SQL语法的预警规则，以供类SQL语法解析器解析；
根据业务规则，针对仅涉及单表的简单逻辑的预警情况，利用表达式语法定义器定义表达式语法的预警规则，以供表达式语法解析器解析；
根据实际情况，利用类JSON语法定义器定义具体的自然语言描述规则；
第三步，解析器从数据源管理器的数据源中抽取数据，进行解析；
类SQL语法解析器与表达式语法解析器分别针对涉及多表复杂逻辑的预警情况和单表的简单逻辑的预警情况进行解析，并将解析数据发送给类JSON语法解析器，类JSON语法解析器根据类SQL语法解析器与表达式语法解析器提供的数据，结合类JSON语言描述规则生成能被人类理解的自然语言即可。
所述第二步中，类SQL语法定义器主体使用SQL语句定义规则，允许使用多条SQL语句，多条SQL语句通过“；”隔开；
使用VUE的{{变量}}格式动态绑定SQL语句中的变量，后面的SQL语句可以任意的引用前面的SQL语句的列值，并将系统默认固定格式变量绑定到SQL语句中，即可实现预警规则的灵活定义。
所述第三步中，类SQL语法解析器在动态执行SQL语句之前绑定类SQL语句中的变量，并将前面环节的SQL执行结果以变量的形式重新绑定到后续SQL语句中进行执行，最后将类SQL语法解析器的执行结果发送到类JSON语法解析器中，用于生成自然语言描述的预警结果。
所述第二步中，表达式语法定义器支持标准的数学运算+，-，*,/和标准的逻辑运算＝＝，！＝,>,>＝,<,<＝，同样使用VUE的{{变量}}方式实现变量的绑定；针对日期类型使用{{Day.X}},{{Month.X}},{{Year.X}}的语法进行日期的加减运算；
所述第三步中，表达式语法解析器针对日期、数字类型的字段根据指定的参数进行对应的运算，然后将表达式语法解析器的执行结果发送到类JSON语法解析器中，用于生成自然语言描述的预警结果。
所述第二步中，类JSON语法定义器定义如何解析类SQL语法解析器与表达式语法解析器发送过来的预警规则；
类JSON语法定义器使用{{变量}}形式将数据绑定到JSON格式中，针对数组数据使用特别定义的“@数组名”方式自动将数据解析为JSONArray类型；同时默认系统默认固定变量格式的绑定；
所述第三步中，类JSON语法解析器根据类JSON语法定义器定义的预警规则，以及类SQL语法解析器或表达式语法解析器发送过来的执行数据，组织生成自然语言描述的预警结果。
所述系统默认固定格式变量包括当前年{{CYEAR}}、月{{CMONTH}}、日{{CDAY}}和部门{{ORG_CODE}}。
本发明的有益效果是：该执法监管智能预警系统及方法，通过对执法监管数据的多维度、多角度分析，实现了对执法监管数据的智能预警，从而帮助用户时发现执法监管中存在的问题，并进行及时、有效的处理。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术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。
附图1为本发明执法监管智能预警系统及方法示意图。
具体实施方式
为了使本技术领域的人员更好的理解本发明中的技术方案，下面将结合本发明实施例，对本发明实施例中的技术方案进行清楚，完整的描述。显然，所描述的实施例仅仅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，都应当属于本发明保护的范围。
该执法监管智能预警系统，包括数据源管理器，解析器，规则库和规则定义器，所述数据源管理器连接到解析器，所述规则定义器通过规则库连接到解析器；
所述数据源管理器支持热更新，用于维护一个或多个数据源；
所述规则定义器由类SQL语法定义器，表达式语法定义器和类JSON语法定义器组成，用于指定预警规则的数据源和定义预警规则；
与规则定义器相对应的，所述解析器由类SQL语法解析器，表达式语法解析器和类JSON语法解析器，以及相关的数据库组成；解析器用于解析规则定义器中定义的预警规则，并利用预警规则在数据源中对异常预警信息进行筛选。
通过指定数据库类型、地址、账号、密码和对应的JDBC(Java DataBaseConnectivity，Java数据库连接)驱动，所述数据源管理器可以在不重启应用的前提下实现数据源的热更新。
所述数据源管理器支持MySql，Oracle与Server三大主流数据库。
基于该执法监管智能预警系统的预警方法，包括以下步骤：
第一步，数据源管理器根据数据源实际分布情况维护各个数据源；
第二步，规则定义器指定预警规则的数据源，并定义预警规则；
根据业务规则，针对涉及多表复杂逻辑的预警情况，利用类SQL语法定义器定义类SQL语法的预警规则，以供类SQL语法解析器解析；
根据业务规则，针对仅涉及单表的简单逻辑的预警情况，利用表达式语法定义器定义表达式语法的预警规则，以供表达式语法解析器解析；
根据实际情况，利用类JSON语法定义器定义具体的自然语言描述规则；
第三步，解析器从数据源管理器的数据源中抽取数据，进行解析；
类SQL语法解析器与表达式语法解析器分别针对涉及多表复杂逻辑的预警情况和单表的简单逻辑的预警情况进行解析，并将解析数据发送给类JSON语法解析器，类JSON语法解析器根据类SQL语法解析器与表达式语法解析器提供的数据，结合类JSON语言描述规则生成能被人类理解的自然语言即可。
所述第二步中，类SQL语法定义器主体使用SQL语句定义规则，允许使用多条SQL语句，多条SQL语句通过“；”隔开；
使用VUE的{{变量}}格式动态绑定SQL语句中的变量，后面的SQL语句可以任意的引用前面的SQL语句的列值，并将系统默认固定格式变量绑定到SQL语句中，即可实现预警规则的灵活定义。
所述第三步中，类SQL语法解析器在动态执行SQL语句之前绑定类SQL语句中的变量，并将前面环节的SQL执行结果以变量的形式重新绑定到后续SQL语句中进行执行，最后将类SQL语法解析器的执行结果发送到类JSON语法解析器中，用于生成自然语言描述的预警结果。
所述第二步中，表达式语法定义器支持标准的数学运算+，-，*,/和标准的逻辑运算＝＝，！＝,>,>＝,<,<＝，同样使用VUE的{{变量}}方式实现变量的绑定；针对日期类型使用{{Day.X}},{{Month.X}},{{Year.X}}的语法进行日期的加减运算；
所述第三步中，表达式语法解析器针对日期、数字类型的字段根据指定的参数进行对应的运算，然后将表达式语法解析器的执行结果发送到类JSON语法解析器中，用于生成自然语言描述的预警结果。
所述第二步中，类JSON语法定义器定义如何解析类SQL语法解析器与表达式语法解析器发送过来的预警规则；
类JSON语法定义器使用{{变量}}形式将数据绑定到JSON格式中，针对数组数据使用特别定义的“@数组名”方式自动将数据解析为JSONArray类型；同时默认系统默认固定变量格式的绑定；
所述第三步中，类JSON语法解析器根据类JSON语法定义器定义的预警规则，以及类SQL语法解析器或表达式语法解析器发送过来的执行数据，组织生成自然语言描述的预警结果。
所述系统默认固定格式变量包括当前年{{CYEAR}}、月{{CMONTH}}、日{{CDAY}}和部门{{ORG_CODE}}。
与目前的现有技术相比，该执法监管智能预警系统及方法，具有以下特点：
第一、通过灵活定义的各种规则对多个数据源的数据进行分析、模式匹配，实现了对执法监管异常数据的灵活预警，并给予详细的预警依据。
第二、能够将匹配到的异常预警信息自动发送到对应的业务部门，提高了预警的速度、精度与灵活度，具有很好的推广应用价值。
以上所述的实施例，只是本发明具体实施方式的一种，本领域的技术人员在本发明技术方案范围内进行的通常变化和替换都应包含在本发明的保护范围内。
Claims (8)
1.一种执法监管智能预警系统，其特征在于：包括数据源管理器，解析器，规则库和规则定义器，所述数据源管理器连接到解析器，所述规则定义器通过规则库连接到解析器；
所述数据源管理器支持热更新，用于维护一个或多个数据源；
所述规则定义器由类SQL语法定义器，表达式语法定义器和类JSON语法定义器组成，用于指定预警规则的数据源和定义预警规则；
与规则定义器相对应的，所述解析器由类SQL语法解析器，表达式语法解析器和类JSON语法解析器，以及相关的数据库组成；解析器用于解析规则定义器中定义的预警规则，并利用预警规则在数据源中对异常预警信息进行筛选。
2.根据权利要求1所述的执法监管智能预警系统，其特征在于：通过指定数据库类型、地址、账号、密码和对应的JDBC驱动，所述数据源管理器可以在不重启应用的前提下实现数据源的热更新。
3.根据权利要求1或2所述的执法监管智能预警系统，其特征在于：所述数据源管理器支持MySql，Oracle与Server三大主流数据库。
4.一种基于权利要求1～3所述的执法监管智能预警系统的预警方法，其特征在于，包括以下步骤：
第一步，数据源管理器根据数据源实际分布情况维护各个数据源；
第二步，规则定义器指定预警规则的数据源，并定义预警规则；
根据业务规则，针对涉及多表复杂逻辑的预警情况，利用类SQL语法定义器定义类SQL语法的预警规则，以供类SQL语法解析器解析；
根据业务规则，针对仅涉及单表的简单逻辑的预警情况，利用表达式语法定义器定义表达式语法的预警规则，以供表达式语法解析器解析；
根据实际情况，利用类JSON语法定义器定义具体的自然语言描述规则；
第三步，解析器从数据源管理器的数据源中抽取数据，进行解析；
类SQL语法解析器与表达式语法解析器分别针对涉及多表复杂逻辑的预警情况和单表的简单逻辑的预警情况进行解析，并将解析数据发送给类JSON语法解析器，类JSON语法解析器根据类SQL语法解析器与表达式语法解析器提供的数据，结合类JSON语言描述规则生成能被人类理解的自然语言即可。
5.根据权利要求4所述的执法监管智能预警系统的预警方法，其特征在于：所述第二步中，类SQL语法定义器主体使用SQL语句定义规则，允许使用多条SQL语句，多条SQL语句通过“；”隔开；
使用VUE的{{变量}}格式动态绑定SQL语句中的变量，后面的SQL语句可以任意的引用前面的SQL语句的列值，并将系统默认固定格式变量绑定到SQL语句中，即可实现预警规则的灵活定义；
所述第三步中，类SQL语法解析器在动态执行SQL语句之前绑定类SQL语句中的变量，并将前面环节的SQL执行结果以变量的形式重新绑定到后续SQL语句中进行执行，最后将类SQL语法解析器的执行结果发送到类JSON语法解析器中，用于生成自然语言描述的预警结果。
6.根据权利要求4所述的执法监管智能预警系统的预警方法，其特征在于：所述第二步中，表达式语法定义器支持标准的数学运算+，-，*,/和标准的逻辑运算＝＝，！＝,>,>＝,<,<＝，同样使用VUE的{{变量}}方式实现变量的绑定；针对日期类型使用{{Day.X}},{{Month.X}},{{Year.X}}的语法进行日期的加减运算；
所述第三步中，表达式语法解析器针对日期、数字类型的字段根据指定的参数进行对应的运算，然后将表达式语法解析器的执行结果发送到类JSON语法解析器中，用于生成自然语言描述的预警结果。
7.根据权利要求5或6所述的执法监管智能预警系统的预警方法，其特征在于：所述第二步中，类JSON语法定义器定义如何解析类SQL语法解析器与表达式语法解析器发送过来的预警规则；
类JSON语法定义器使用{{变量}}形式将数据绑定到JSON格式中，针对数组数据使用特别定义的“@数组名”方式自动将数据解析为JSONArray类型；同时默认系统默认固定格式变量的绑定；
所述第三步中，类JSON语法解析器根据类JSON语法定义器定义的预警规则，以及类SQL语法解析器或表达式语法解析器发送过来的执行数据，组织生成自然语言描述的预警结果。
8.根据权利要求7所述的执法监管智能预警系统的预警方法，其特征在于：所述系统默认固定格式变量包括当前年{{CYEAR}}、月{{CMONTH}}、日{{CDAY}}和部门{{ORG_CODE}}。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010616162.3A CN111752980B (zh) | 2020-07-01 | 2020-07-01 | 一种执法监管智能预警系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010616162.3A CN111752980B (zh) | 2020-07-01 | 2020-07-01 | 一种执法监管智能预警系统及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111752980A CN111752980A (zh) | 2020-10-09 |
| CN111752980B true CN111752980B (zh) | 2024-01-30 |
Family
ID=72678292
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010616162.3A Active CN111752980B (zh) | 2020-07-01 | 2020-07-01 | 一种执法监管智能预警系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111752980B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112527609B (zh) * | 2021-02-18 | 2021-05-28 | 成都新希望金融信息有限公司 | 预警信息推送方法、装置、电子设备及存储介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6523172B1 (en) * | 1998-12-17 | 2003-02-18 | Evolutionary Technologies International, Inc. | Parser translator system and method |
| WO2011139687A1 (en) * | 2010-04-26 | 2011-11-10 | The Trustees Of The Stevens Institute Of Technology | Systems and methods for automatically detecting deception in human communications expressed in digital form |
| CN105574205A (zh) * | 2016-01-18 | 2016-05-11 | 国家电网公司 | 分布式计算环境的日志动态分析系统 |
| CN106228246A (zh) * | 2016-07-15 | 2016-12-14 | 江苏科技大学 | 基于语义的无人职守变电站监测系统及方法 |
| CN110147475A (zh) * | 2019-03-29 | 2019-08-20 | 汇通达网络股份有限公司 | 一种分布式部署的网络数据采集系统 |
| CN111008021A (zh) * | 2019-12-24 | 2020-04-14 | 象辑知源（武汉）科技有限公司 | 一种基于Presto的支持多数据源的混合执行SQL和python脚本的方法及系统 |
-
2020
- 2020-07-01 CN CN202010616162.3A patent/CN111752980B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6523172B1 (en) * | 1998-12-17 | 2003-02-18 | Evolutionary Technologies International, Inc. | Parser translator system and method |
| WO2011139687A1 (en) * | 2010-04-26 | 2011-11-10 | The Trustees Of The Stevens Institute Of Technology | Systems and methods for automatically detecting deception in human communications expressed in digital form |
| CN105574205A (zh) * | 2016-01-18 | 2016-05-11 | 国家电网公司 | 分布式计算环境的日志动态分析系统 |
| CN106228246A (zh) * | 2016-07-15 | 2016-12-14 | 江苏科技大学 | 基于语义的无人职守变电站监测系统及方法 |
| CN110147475A (zh) * | 2019-03-29 | 2019-08-20 | 汇通达网络股份有限公司 | 一种分布式部署的网络数据采集系统 |
| CN111008021A (zh) * | 2019-12-24 | 2020-04-14 | 象辑知源（武汉）科技有限公司 | 一种基于Presto的支持多数据源的混合执行SQL和python脚本的方法及系统 |
Non-Patent Citations (1)
| Title |
|---|
| 面向数据库性能的SQL语句解析与翻译;崔娜;;现代电子技术(11);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111752980A (zh) | 2020-10-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112000849A (zh) | 统一标签库管理方法、装置、设备及存储介质 | |
| CN106934062A (zh) | 一种查询elasticsearch的实现方法及系统 | |
| CN109446221B (zh) | 一种基于语义分析的交互式数据探查方法 | |
| CN111078729B (zh) | 医疗数据溯源方法、装置、系统、存储介质以及电子设备 | |
| US8849673B2 (en) | Rule generation | |
| US20220005568A1 (en) | Automated identification of potential drug safety events | |
| CN112000773A (zh) | 基于搜索引擎技术的数据关联关系挖掘方法及应用 | |
| CN114201616A (zh) | 一种基于多源数据库的知识图谱构建方法及系统 | |
| CN108829884A (zh) | 数据映射方法及装置 | |
| CN111752980B (zh) | 一种执法监管智能预警系统及方法 | |
| CN111259648A (zh) | 基于多数据源的保单数据智能解析方法和系统 | |
| CN117076742A (zh) | 数据血缘追踪方法、装置及电子设备 | |
| CN112634004B (zh) | 征信数据的血缘图谱分析方法与系统 | |
| CN111858236B (zh) | 知识图谱监控方法、装置、计算机设备及存储介质 | |
| US20150187011A1 (en) | Computerized system and method of evaluating insurance product underwriting and rating data | |
| CN113032366A (zh) | 基于Flex和Bison的SQL语法树解析方法 | |
| CN111832740A (zh) | 一种对结构化数据实时衍生机器学习用特征的方法 | |
| CN116010444B (zh) | 低代码交互式的图查询语句构建方法 | |
| CN104331507B (zh) | 机器数据类别自动发现和分类的方法及装置 | |
| US20210326514A1 (en) | Method for generating interpretation text, electronic device and storage medium | |
| CN110147396A (zh) | 一种映射关系生成方法及装置 | |
| CN110895542B (zh) | 高风险sql语句筛选方法及装置 | |
| Siboleka et al. | Agriculture and manufacturing sector growth in Namibia during the period 1981 to 2012: A granger causality test | |
| CN114064655A (zh) | 一种可配置化数据查询及数据关系的自动发现方法 | |
| Do et al. | Toward a Framework for Statistical Data Integration. |
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 |