• 四川郎酒股份有限公司获第十二届人民企业社会责任奖年度环保奖 2019-05-13
  • 银保监会新规剑指大企业多头融资和过度融资 2019-05-12
  • 韩国再提4国联合申办世界杯 中国网友无视:我们自己来 2019-05-11
  • 中国人为什么一定要买房? 2019-05-11
  • 十九大精神进校园:风正扬帆当有为 勇做时代弄潮儿 2019-05-10
  • 粽叶飘香幸福邻里——廊坊市举办“我们的节日·端午”主题活动 2019-05-09
  • 太原设禁鸣路段 设备在测试中 2019-05-09
  • 拜耳医药保健有限公司获第十二届人民企业社会责任奖年度企业奖 2019-05-08
  • “港独”没出路!“梁天琦们”该醒醒了 2019-05-07
  • 陈卫平:中国文化内涵包含三方面 文化复兴表现在其中 2019-05-06
  • 人民日报客户端辟谣:“合成军装照”产品请放心使用 2019-05-05
  • 【十九大·理论新视野】为什么要“建设现代化经济体系”?   2019-05-04
  • 聚焦2017年乌鲁木齐市老城区改造提升工程 2019-05-04
  • 【专家谈】上合组织——构建区域命运共同体的有力实践者 2019-05-03
  • 【华商侃车NO.192】 亲!楼市火爆,别忘了买车位啊! 2019-05-03
    • / 14
    • 下载费用:30 金币  

    重庆时时彩中奖率高: 一种隐私?;た占淅肴旱慵觳夥椒?pdf

    关 键 词:
    一种 隐私 ?;?空间 离群 检测 方法
      专利查询网所有资源均是用户自行上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作他用。
    摘要
    申请专利号:

    CN201710037322.7

    申请日:

    2017.01.18

    公开号:

    CN106815348A

    公开日:

    2017.06.09

    当前法律状态:

    实审

    有效性:

    审中

    法律详情: 实质审查的生效IPC(主分类):G06F 17/30申请日:20170118|||公开
    IPC分类号: G06F17/30; G06K9/62 主分类号: G06F17/30
    申请人: 安徽师范大学
    发明人: 俞庆英; 罗永龙; 陈传明; 陈付龙; 卞维新; 孙丽萍; 郑孝遥
    地址: 241000 安徽省芜湖市弋江区花津南路安徽师范大学
    优先权:
    专利代理机构: 芜湖安汇知识产权代理有限公司 34107 代理人: 朱圣荣
    PDF完整版下载: PDF下载
    法律状态
    申请(专利)号:

    CN201710037322.7

    授权公告号:

    |||

    法律状态公告日:

    2017.07.04|||2017.06.09

    法律状态类型:

    实质审查的生效|||公开

    摘要

    本发明揭示了一种隐私?;た占淅肴旱慵觳夥椒?,该方法基于空间邻域行为属性值的统计结果及马哈拉诺比斯距离进行空间离群点的检测,并通过对基于半诚实模型的安全多方计算(Secure??Multi??Party??Computation,简称SMC)协议的定义和应用,实现私有信息的?;?。具体来说,引入新的安全距离计算协议和合并向量的安全中位数计算协议,实现了空间离群点检测过程中的隐私?;?。该方法适用于具有一维或多维非空间属性的空间数据集,能有效?;た占涠韵蟮姆强占涫粜?,并在真实数据集(安徽省统计年鉴数据源)上进行了一组实验,实验结果验证了PPSOD方法的有效性。

    权利要求书

    1.一种隐私?;た占淅肴旱慵觳夥椒?,其特征在于,包括以下步骤:
    步骤1:计算空间距离,求出每个空间对象的k邻域;
    步骤2:计算每个空间对象的k邻域非空间距离;
    步骤3:根据不同的d值,分类计算k邻域空间离群因子;
    步骤4:服务方构建全部对象的k邻域空间离群因子数据集;
    步骤5:对k邻域空间离群因子数据集排序,得出m个空间离群点;
    所述步骤1中,如果空间对象不在同一方,则采用安全距离计算协议求解每个空间对象
    的k领域,所述安全距离计算协议步骤:
    有服务方SP、参与方P1和P2,假设P1方有一维私有向量X(x1,y1),P2方有一维私有向量Y
    (x2,y2),其中P1和P2共享一个随机整数R;
    1)计算出P1和P2共享的随机向量RV=((-1)R,(-1)R,(-1)R);
    2)P1方计算出向量将X″=X′·RV发送给SP方;
    3)P2方计算出向量将Y″=Y′·RV发送给SP方;
    4)SP方计算然后将结果发送给P1和P2方;
    所述步骤2中,如果空间对象不在同一方,则采用合并向量的安全中位数计算协议求解
    分布在不同参与方的向量合并结果的中位数,所述安全中位数计算协议步骤:
    有服务方SP、参与方P1和P2,假设P1方有一维私有向量X(x1,...,xm),P2方有一维私有
    向量Y(y1,...,yn),假设m≤n,其中P1和P2方共享一个随机数R;
    1)P1和P2方分别对各自向量X和Y的属性值进行升序排列,得出排序后的向量X′和Y′;
    2)如果|X′|=|Y′|=1,则P1方将x′1=x1+R发送给SP方,P2方将y′1=y1-R发送给SP方,
    由SP方计算M=(x′1+y′1)/2,将M分别发送给P1和P2方,结束协议;否则,转到步骤3);
    3)P1方计算出X′的中位数M1,将M′1=M1+R发送给SP方,
    4)P2方计算出Y′的中位数M2,将M′2=M2+R发送给SP方;
    5)SP方计算M′1-M′2,得出M′1和M′2的大小关系,然后将比较的结果分别发送给P1和P2
    方,如果M′1-M′2=0,P1和P2方均收到“E”,否则,结果大的一方收到“B”,小的一方收到“S”;
    6)如果两方均接收到“E”,则合并向量的中位数M=M1=M2,结束协议;否则,转到步骤
    7);
    7)如果P1方接收到“B”即P2方接收到“S”,则P1方删除X′中大于等于M1的元素,假设有k
    个,P2方删除Y′中前k个元素,转到步骤2);否则,转到步骤8);
    8)如果P1方接收到“S”即P2方接收到“B”,则P1方删除X′中小于等于M1的元素,假设有k
    个,P2方删除Y′中后k个元素,转到步骤2)。
    2.根据权利要求1所述的隐私?;た占淅肴旱慵觳夥椒?,其特征在于,所述步骤1的处
    理方法:各参与方Pi(i=1,2)在其内部计算每一个空间对象oij(j=1,2,...,ni)与其他对
    象之间的空间距离,如果空间对象都在Pi方,则使用空间距离计算公式
    计算,否则,使用安全距离计算协
    议进行计算,得到其局部空间k邻域kNNA_SP(oij)。
    3.根据权利要求1所述的隐私?;た占淅肴旱慵觳夥椒?,其特征在于,所述步骤2的处
    理方法:各参与方计算每一个空间对象oij的k邻域非空间距离g(oij),如果kNNA_SP(oij)中
    的空间对象都在Pi方,则使用下述公式进行计算:

    否则,使用合并向量的安全中位数计算协议进行计算。
    4.根据权利要求1所述的隐私?;た占淅肴旱慵觳夥椒?,其特征在于,所述步骤3的处
    理方法:
    如果d=1,则各参与方分别用公式spOFij=spOF(oij)=f(oij)-g(oij)计算k邻域空间离
    群因子:
    使用安全标准化协议计算数据集的平
    均值μ和标准差σ
    再由各方分别用公式计算出标准化后的值:
    更新各离群因子spOFij为std_spOFij值;
    如果d>1,则在各参与方内部,用公式计算向量用公式
    计算协方差矩阵S;
    再用公式spOF(o)=(h(o)-μ*)S-1(h(o)-μ*)T计算k邻域空间离群因子
    <mrow> <msub> <mi>spOF</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> <mo>=</mo> <mi>s</mi> <mi>p</mi> <mi>O</mi> <mi>F</mi> <mrow> <mo>(</mo> <msub> <mi>o</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> <mo>)</mo> </mrow> <mo>=</mo> <msup> <mrow> <mo>(</mo> <mi>h</mi> <mo>(</mo> <msub> <mi>o</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> <mo>)</mo> <mo>-</mo> <msubsup> <mi>&mu;</mi> <mi>i</mi> <mo>*</mo> </msubsup> <mo>)</mo> </mrow> <mi>T</mi> </msup> <msubsup> <mi>S</mi> <mi>i</mi> <mrow> <mo>-</mo> <mn>1</mn> </mrow> </msubsup> <mrow> <mo>(</mo> <mi>h</mi> <mo>(</mo> <msub> <mi>o</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> <mo>)</mo> <mo>-</mo> <msubsup> <mi>&mu;</mi> <mi>i</mi> <mo>*</mo> </msubsup> <mo>)</mo> </mrow> <mo>.</mo> </mrow>
    5.根据权利要求1所述的隐私?;た占淅肴旱慵觳夥椒?,其特征在于,所述步骤4的处
    理方法:各参与方将spOFij(i=1,2;j=1,...,ni)的值发送到SP方构建全部对象的离群因
    子数据集。
    6.根据权利要求1所述的隐私?;た占淅肴旱慵觳夥椒?,其特征在于,所述步骤5的处
    理方法:设i1,i2,...,im是{spOF1,spOF2,...,spOFn}中值最大的m个序号,由SP方计算得到m
    个空间离群点
    7.根据权利要求4所述的隐私?;た占淅肴旱慵觳夥椒?,其特征在于,所述步骤3中采
    用安全标准化协议计算标准化的离群因子值步骤:假设有二维私有向量
    μj和σj分别指的是的平均值和标准差,标准化的向量为
    则有:
    1)使用安全求和协议计算第j维属性值的和以及平均值μj=sumj/m
    (j=1,...,n)。
    2)使用安全求和协议计算第j维属性值平方差之和以及标准差

    3)SP将μj和σj发送到各参与方,由各参与方使用公式对数据进行标准
    化。
    8.根据权利要求1或3所述的隐私?;た占淅肴旱慵觳夥椒?,其特征在于:所述步骤2
    中,根据k的奇偶性,使用下面的公式计算空间对象的的k邻域非空间距离

    9.根据权利要求1所述的隐私?;た占淅肴旱慵觳夥椒?,其特征在于:所述步骤5中,由
    服务方构建k邻域离群因子集,并加以排序,从而得出m个空间离群点。

    说明书

    一种隐私?;た占淅肴旱慵觳夥椒?/invention-title>

    技术领域

    本发明涉及信息安全领域,具体地,涉及一种基于SMC协议的隐私?;た占淅肴旱?br />检测方法(PPSOD)。

    背景技术

    作为空间数据挖掘的一个重要分支,空间离群点检测可用于地理信息系统的多个
    应用领域,其目的是要发现非空间属性与其空间邻居大不相同的空间参考对象,它们在交
    通控制、卫星图像分析、天气预报、城镇化空间布局、医疗诊断、公共安全等很多应用中都可
    以揭示重要的现象。

    空间数据不仅仅包括空间属性,也包括非空间(行为)属性。其中,空间属性记录了
    空间信息,如位置、边界、方向,这些决定了邻居间的空间关系;非空间(行为)属性刻画了对
    象的本质特征,基于空间邻居关系,非空间(行为)属性用来识别反常的观察数据。对于空间
    离群点检测,空间维和非空间维需独立处理,空间维用来定义邻居关系,非空间维用来定义
    差异程度??占淅肴旱慵觳馑惴纫侗鸬ジ鲂形粜缘睦肴旱?,也要识别包含多个行为
    属性的离群点。然而,目前为各种目的进行的空间离群点检测已经导致了很多个人隐私泄
    露的问题,因此,?;ひ降目占淅肴旱慵觳夥椒ū妒芄刈?。

    目前,隐私?;さ拇忱肴旱慵觳庖讶〉靡恍┭芯砍晒?,但研究的不是空间参考
    对象,即未考虑的数据对象的空间属性。由于空间数据的特殊性,传统的离群点检测算法虽
    然可以应用于空间数据,然而,算法的性能无法得到保证。

    另一方面,空间离群点的检测目前也已取得很多研究成果。然而,具有隐私?;つ?br />力的空间离群点检测方法研究并不多见。本发明基于安全多方协议,提出一种隐私?;た?br />间离群点检测方法。

    发明内容

    本发明所要解决的技术问题是实现一种基于SMC协议的隐私?;た占淅肴旱慵觳?br />方法PPSOD,既考虑到了空间离群点的检测效果,又?;ち丝占涠韵蟮姆强占涫粜缘囊叫?br />息。

    为了实现上述目的,本发明采用的技术方案为:一种隐私?;た占淅肴旱慵觳夥?br />法,包括以下步骤:

    步骤1:计算空间距离,求出每个空间对象的k邻域;

    步骤2:计算每个空间对象的k邻域非空间距离;

    步骤3:根据不同的d值,分类计算k邻域空间离群因子;

    步骤4:服务方构建全部对象的k邻域空间离群因子数据集;

    步骤5:对k邻域空间离群因子数据集排序,得出m个空间离群点;

    所述步骤1中,如果空间对象不在同一方,则采用安全距离计算协议求解每个空间
    对象的k领域,所述安全距离计算协议步骤:

    有服务方SP、参与方P1和P2,假设P1方有一维私有向量X(x1,y1),P2方有一维私有
    向量Y(x2,y2),其中P1和P2共享一个随机整数R;

    1)计算出P1和P2共享的随机向量RV=((-1)R,(-1)R,(-1)R);

    2)P1方计算出向量将X″=X′·RV发送给SP方;

    3)P2方计算出向量将Y″=Y′·RV发送给SP方;

    4)SP方计算然后将结果发送给P1和P2方;

    所述步骤2中,如果空间对象不在同一方,则采用合并向量的安全中位数计算协议
    求解分布在不同参与方的向量合并结果的中位数,所述安全中位数计算协议步骤:

    有服务方SP、参与方P1和P2,假设P1方有一维私有向量X(x1,...,xm),P2方有一维
    私有向量Y(y1,...,yn),假设m≤n,其中P1和P2方共享一个随机数R;

    1)P1和P2方分别对各自向量X和Y的属性值进行升序排列,得出排序后的向量X′和
    Y′;

    2)如果|X′|=|Y′|=1,则P1方将x′1=x1+R发送给SP方,P2方将y′1=y1-R发送给
    SP方,由SP方计算M=(x′1+y′1)/2,将M分别发送给P1和P2方,结束协议;否则,转到步骤3);

    3)P1方计算出X′的中位数M1,将M′1=M1+R发送给SP方,

    4)P2方计算出Y′的中位数M2,将M′2=M2+R发送给SP方;

    5)SP方计算M′1-M′2,得出M′1和M′2的大小关系,然后将比较的结果分别发送给P1
    和P2方,如果M′1-M′2=0,P1和P2方均收到“E”,否则,结果大的一方收到“B”,小的一方收到
    “S”;

    6)如果两方均接收到“E”,则合并向量的中位数M=M1=M2,结束协议;否则,转到步
    骤7);

    7)如果P1方接收到“B”即P2方接收到“S”,则P1方删除X′中大于等于M1的元素,P2
    方删除Y′中前k个元素,转到步骤2);否则,转到步骤8);

    8)如果P1方接收到“S”即P2方接收到“B”,则P1方删除X′中小于等于M1的元素,P2
    方删除Y′中后k个元素,转到步骤2)。

    所述步骤1的处理方法:各参与方Pi(i=1,2)在其内部计算每一个空间对象oij(j
    =1,2,...,ni)与其他对象之间的空间距离,如果空间对象都在Pi方,则使用空间距离计算
    公式计算,否则,使用安全距离
    计算协议进行计算,得到其局部空间k邻域kNNA_SP(oij)。

    所述步骤2的处理方法:各参与方计算每一个空间对象oij的k邻域非空间距离g
    (oij),如果kNNA_SP(oij)中的空间对象都在Pi方,则使用下述公式进行计算:


    否则,使用合并向量的安全中位数计算协议进行计算。

    所述步骤3的处理方法:

    如果d=1,则各参与方分别用公式spOFij=spOF(oij)=f(oij)-g(oij)计算k邻域空
    间离群因子:

    使用安全标准化协议计算数据集
    的平均值μ和标准差σ

    再由各方分别用公式计算出标准化后的值:

    更新各离群因子spOFij为std_spOFij值;

    如果d>1,则在各参与方内部,用公式计算向量用公式
    计算协方差矩阵S;

    再用公式spOF(o)=(h(o)-μ*)S-1(h(o)-μ*)T计算k邻域空间离群因子


    所述步骤4的处理方法:各参与方将spOFij(i=1,2;j=1,...,ni)的值发送到SP方
    构建全部对象的离群因子数据集。

    所述步骤5的处理方法:设i1,i2,...,im是{spOF1,spOF2,...,spOFn}中值最大的m
    个序号,由SP方计算得到m个空间离群点

    所述步骤3中采用安全标准化协议计算标准化的离群因子值步骤:假设有二维私
    有向量μj和σj分别指的是的平均值和标准差,标准化的向量为
    则有:

    1)使用安全求和协议计算第j维属性值的和以及平均值μj=
    sumj/m(j=1,...,n)。

    2)使用安全求和协议计算第j维属性值平方差之和以及标
    准差

    3)SP将μj和σj发送到各参与方,由各参与方使用公式对数据进行
    标准化。

    所述步骤2中,根据k的奇偶性,使用下面的公式计算空间对象的的k邻域非空间距


    所述步骤5中,由服务方构建k邻域离群因子集,并加以排序,从而得出m个空间离
    群点。

    本发明的优点在于,第一个是针对一维和多维数据集的空间离群点检测,保证检
    测的效果;第二,引入了一种新的基于安全距离计算协议和合并向量的安全中位数计算协
    议的隐私?;し椒?,用于?;た占涠韵蟮姆强占涫粜缘乃接行畔?。

    此外,本发明设计了安全多方计算协议用于计算分布在不同参与方的对象的空间
    距离和离群因子,实现了空间离群点检测过程中的隐私?;?,算法适用于具有一维或多维
    非空间属性的空间数据集,并在真实数据集(安徽省统计年鉴数据源)上进行了相关实验,
    理论分析与实验结果均表明,该算法是安全而高效实用的。

    附图说明

    下面对本发明说明书中每幅附图表达的内容作简要说明:

    图1是隐私?;た占淅肴旱慵觳夥椒ǖ闹葱辛鞒掏?;

    图2是图1中,s11安全距离计算协议处理的流程图;

    图3是图1中,s13合并向量的安全中位数计算协议处理的流程图;

    图4是隐私?;た占淅肴旱慵觳夥椒ㄖ?,PPSOD算法基于第一组数据集,即含76个
    县市(包含市辖区)的数据集DS_S1的检测结果;

    图5为隐私?;た占淅肴旱慵觳夥椒ㄖ?,PPSOD算法基于第一组数据集,即含61个
    县市(不包含市辖区)的数据集DS_S2的检测结果。

    具体实施方式

    如图1所示,基于SMC协议的隐私?;た占淅肴旱慵觳夥椒≒PSOD,具体流程包括:

    步骤s11:计算空间距离,进而求出每个空间对象的k邻域。各参与方Pi(i=1,2)在其内
    部计算每一个空间对象oij(j=1,2,...,ni)与其他对象之间的空间距离,如果空间对象都在
    Pi方,则使用空间距离计算公式
    计算,否则,使用安全距离计算协议进行计算。

    如图2所示安全距离计算协议是指:有服务方SP、参与方P1和P2,假设P1方有一维
    私有向量X(x1,y1),P2方有一维私有向量Y(x2,y2),采用安全点积协议,由三方共同参与计
    算X和Y之间的距离。P1和P2共享一个随机整数R,具体处理过程为:1)计算出P1和P2共享的
    随机向量RV=((-1)R,(-1)R,(-1)R);2)P1方计算出向量将X″=X′·RV
    发送给SP方;3)P2方计算出向量将Y″=Y′·RV发送给SP方;4)SP方计
    算然后将结果发送给P1和P2方。

    步骤s12:根据空间距离,计算每个空间对象的局部空间k邻域kNNA_SP(oij)。

    步骤s13:计算每个空间对象的k邻域非空间距离。各参与方计算每一个空间对象
    oij的k邻域非空间距离g(oij),如果kNNA_SP(oij)中的空间对象都在Pi方,则使用上述公式
    (2)进行计算,否则,使用合并向量的安全中位数计算协议进行计算。

    如图3所示,采用非空间距离计算公式(k邻域中的对象都在同一参与方)或合并向
    量的安全中位数计算协议(k邻域中的对象在不同参与方)求解空间对象的k邻域非空间距
    离。

    如果k邻域中的对象都在同一参与方,根据k的奇偶性,用公式(2)计算空间对象的
    k邻域非空间距离。

    如果k邻域中的对象在不同参与方,采用的合并向量安全中位数计算协议具体如
    下:有服务方SP、参与方P1和P2,假设P1方有一维私有向量X(x1,...,xm),P2方有一维私有向
    量Y(y1,...,yn),假设m<=n,由三方共同参与计算X和Y合并后向量的中位数。P1和P2方共享
    一个随机数R,具体处理过程如下:1)P1和P2方分别对各自向量X和Y的属性值进行升序排
    列,得出排序后的向量X′和Y′;2)如果|X′|=|Y′|=1(即m=n=1),则P1方将x′1=x1+R发送
    给SP方,P2方将y′1=y1-R发送给SP方,由SP方计算M=(x′1+y′1)2,将M分别发送给P1和P2
    方,结束协议;否则,转到步骤3);3)P1方计算出X′的中位数M1,将M′1=M1+R发送给SP方;4)
    P2方计算出Y′的中位数M2,将M′2=M2+R发送给SP方;5)SP方计算M′1-M′2,得出M′1和M′2的大
    小关系,然后将比较的结果分别发送给P1和P2方,如果M′1-M′2=0,P1和P2方均收到“E”,否
    则,结果大的一方收到“B”,小的一方收到“S”;6)如果两方均接收到“E”,则合并向量的中位
    数M=M1=M2,结束协议;否则,转到步骤7);7)如果P1方接收到“B”即P2方接收到“S”,则P1方
    删除X′中大于等于M1的元素(假设有k个),P2方删除Y′中前k个元素,转到步骤2);否则,转
    到步骤8);8)如果P1方接收到“S”即P2方接收到“B”,则P1方删除X′中小于等于M1的元素(假
    设有k个),P2方删除Y′中后k个元素,转到步骤2)。

    步骤s14:根据不同的d值,分类计算k邻域空间离群因子。如果d=1,各参与方分别
    用公式(3)计算k邻域空间离群因子。

    步骤s15:在步骤s14的基础上,使用安全标准化协议计算数据集
    的平均值μ和标准差σ,由各方计算出标准
    化后的值更新各离群因子spOFij为std_spOFij值。

    步骤s16:如果d>1,在各参与方内部,分别用公式(5)和公式(6)计算向量和协方
    差矩阵S。

    步骤s17:在步骤s16的基础上,用公式(7)计算k邻域空间离群因子


    步骤s18:服务方构建全部对象的k邻域空间离群因子数据集。各参与方将spOFij(i
    =1,2;j=1,...,ni)的值发送到SP方构建全部对象的离群因子数据集。

    步骤s19:对k邻域空间离群因子数据集排序,得出m个空间离群点。SP方对离群因
    子数据集排序,计算得到m个空间离群点。

    本发明实际运行过程中效果良好,并列举在2个真实数据集上评价提出方法的有
    效性。数据来源是2014年、2015年安徽省统计年鉴的相关数据,具体包括各市、县、区户数、
    人口数(2013年)和全省分县(市)主要经济指标及位次(2014年)。一维数据集的实验选择非
    农业人口所占比例作为非空间属性;多维数据集的实验非空间属性集包括生产总值、人均
    生产总值、地方财政收入等13个非空间属性。

    图4给出了本发明所描述方法基于数据集DS_S1的检测结果以及与其他算法的比
    较,从图4可以直观地看出,Iterat i ve z和PPSOD算法检测出了明显的离群点,优于z和
    Iterat i ve r算法。图5给出了本发明所描述方法基于数据集DS_S2的检测结果以及与其
    他算法的比较,从图5可以直观地看出,PPSOD算法检测出了明显的离群点,优于z、Iterat i
    ve r和I terat i ve z算法。在?;し强占涫粜砸叫畔⒌那疤嵯?,PPSOD算法对空间离群
    点的检测也取得了良好的效果。

    上面结合附图对本发明进行了示例性描述,显然本发明具体实现并不受上述方式
    的限制,只要采用了本发明的方法构思和技术方案进行的各种非实质性的改进,或未经改
    进将本发明的构思和技术方案直接应用于其它场合的,均在本发明的?;し段е?。

       内容来自专利网重庆时时彩单双窍门 www.4mum.com.cn转载请标明出处

    关于本文
    本文标题:一种隐私?;た占淅肴旱慵觳夥椒?pdf
    链接地址://www.4mum.com.cn/p-6021076.html

    [email protected] 2017-2018 www.4mum.com.cn网站版权所有
    经营许可证编号:粤ICP备17046363号-1 
     


    收起
    展开
  • 四川郎酒股份有限公司获第十二届人民企业社会责任奖年度环保奖 2019-05-13
  • 银保监会新规剑指大企业多头融资和过度融资 2019-05-12
  • 韩国再提4国联合申办世界杯 中国网友无视:我们自己来 2019-05-11
  • 中国人为什么一定要买房? 2019-05-11
  • 十九大精神进校园:风正扬帆当有为 勇做时代弄潮儿 2019-05-10
  • 粽叶飘香幸福邻里——廊坊市举办“我们的节日·端午”主题活动 2019-05-09
  • 太原设禁鸣路段 设备在测试中 2019-05-09
  • 拜耳医药保健有限公司获第十二届人民企业社会责任奖年度企业奖 2019-05-08
  • “港独”没出路!“梁天琦们”该醒醒了 2019-05-07
  • 陈卫平:中国文化内涵包含三方面 文化复兴表现在其中 2019-05-06
  • 人民日报客户端辟谣:“合成军装照”产品请放心使用 2019-05-05
  • 【十九大·理论新视野】为什么要“建设现代化经济体系”?   2019-05-04
  • 聚焦2017年乌鲁木齐市老城区改造提升工程 2019-05-04
  • 【专家谈】上合组织——构建区域命运共同体的有力实践者 2019-05-03
  • 【华商侃车NO.192】 亲!楼市火爆,别忘了买车位啊! 2019-05-03
  • 冰球比赛直播 天津十一选五前三组 麻将来了下不过i 体彩浙江6十1开奖18128 20131119七星彩走势图 足彩比分直播 麻将玩法介绍公式 天易棋牌怎么样 快3app安卓版客户端 河南快3彩票走势图大全 天津十一选五结果 排球比分牌 22选5幸运之门 浙江十一选五开奖统果 排列5走势 网络捕鱼游戏控制