CN109218184A - 基于端口和结构信息的路由器归属as识别方法 - Google Patents
基于端口和结构信息的路由器归属as识别方法 Download PDFInfo
- Publication number
- CN109218184A CN109218184A CN201810985425.0A CN201810985425A CN109218184A CN 109218184 A CN109218184 A CN 109218184A CN 201810985425 A CN201810985425 A CN 201810985425A CN 109218184 A CN109218184 A CN 109218184A
- Authority
- CN
- China
- Prior art keywords
- node
- port
- router
- result
- information
- 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
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L45/00—Routing or path finding of packets in data switching networks
- H04L45/02—Topology update or discovery
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L45/00—Routing or path finding of packets in data switching networks
- H04L45/18—Loop-free operations
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明公开了一种基于端口和结构信息的路由器归属AS识别方法,包括以下步骤:S1、输入测量数据和IP‑AS映射表数据;S2、对输入的测量数据进行预处理;S3、进行基于端口和结构信息的判别;S4、输出归属结果。本发明计算相似性时,同时利用了节点信息即路由器端口信息和拓扑结构信息,能有效提高精确率和召回率。对使用基于端口和结构信息的路由器归属AS判定方法进行实验时,各个子步骤判定后得到的阶段性数据,实现了提高召回率的情况下尽可能地保障了方法的精确率。合理地利用互联网路由器级拓扑的复杂网络特征进行路由器归属AS识别,较大程度的利用各种信息,达到了有效提高匹配结果的精确率和召回率的效果。
Description
技术领域
本发明涉及一种基于端口和结构信息的路由器归属AS识别方法。
背景技术
互联网拓扑识别是互联网拓扑研究中的一个重要方向,是对互联网进行数据探测并根据探测数据构建拓扑,其主要涉及到网络测量和拓扑恢复两个方面。网络测量中,主要的方法是基于Traceroute。在基于Traceroute数据实现路由器级拓扑恢复的过程中,需要完成路由器所属AS的识别来建立路由器级和自治系统级的映射关系、丰富路由器节点属性。但是如何根据探测得到的数据,高效准确地分析出路由器节点的AS归属是一个需要解决的研究课题。
现有的针对路由器的AS归属研究提出的方法主要还是简单的启发式方法。该方法首先利用Traceroute探测的数据进行别名解析恢复出路由器级拓扑,然后利用各路由器的端口信息,结合已知的前缀粒度IP-AS映射关系,对每个路由器使用启发式的算法进行自治系统的归属判别。将路由器的端口信息与AS进行匹配能够有助于发现AS级拓扑结构,为完成该目标需要利用探测数据进行别名解析或路由表分析。但在实际中,由于匿名路由器、路由器别名解析等因素的影响,已知数据通常不完整、不准确;同时现有基于路由器端口信息的启发式方法只利用了端口IP与AS的映射关系,对信息的利用不够充分。因此现有方法在路由器与AS匹配上存在准确率低的问题。
发明内容
本发明的目的在于克服现有技术的不足,提供一种同时利用了节点信息即路由器端口信息和拓扑结构信息,能有效提高精确率和召回率,合理地利用互联网路由器级拓扑的复杂网络特征进行路由器归属AS识别,达到了有效提高匹配结果的精确率和召回率的效果的基于端口和结构信息的路由器归属AS识别方法。
本发明的目的是通过以下技术方案来实现的:基于端口和结构信息的路由器归属AS识别方法,包括以下步骤:
S1、输入测量数据和IP-AS映射表数据;
S2、对输入的测量数据进行预处理;
S3、进行基于端口和结构信息的判别;
S4、输出归属结果。
进一步地,所述步骤S2具体实现方法为:对输入的测量数据进行别名解析、链路分析、处理匿名路由器,生成路由器级的无环拓扑。
进一步地,所述步骤S3中基于路由器端口信息的归属AS判别规则包括基于单个节点的启发式判别规则和基于端口信息的节点相似性计算判别规则;
对单个节点的启发式判定规则如下:
a.若路由器上所有端口都属于同一AS,则将该AS作为该路由器的归属AS;
b.若路由器拥有四个及以上端口,且其中属于同一AS的端口数达到总数2/3,则将该AS作为该路由器的归属AS,判定时将“None”视为普通AS号;
基于端口信息的节点相似性计算规则如下:两个节点的相似性为两节点各自拥有的属于连边AS的端口数占自身端口总数比例的乘积;统计数目时“None”标示的端口计入总数,如果连边的“AS_ID”为“None”则计算比例时分子为1,不累计节点所含“None”端口数量;得到Simi的计算式,如式(1)所示:
其中,k(vi)表示节点vi的度,k(vi,ASxy)表示节点vi上属于自治系统ASxy的端口数;ASxy表示节点x,y相连的两个端口所属的AS;
基于端口信息的归属AS判别包括以下子步骤:
S311、对待判定的节点使用规则a;
S312、若判定出结果则结束判定流程,若未判定出结果或结果为“None”,则继续对待判定节点使用规则b进行判定;
S313、若判定出结果则结束,若未判定出结果或结果为“None”,则使用式(1)计算节点相似度,选择最相似的节点作为待判定节点按步骤S311、S312进行判定;
S314、若判定出结果,则将结果作为目标节点的判定结果,结束算法,若未判定出结果或结果为“None”,则将次相似节点作为待判定节点按步骤S311、S312进行判定,将判定结果作为目标节点的判定结果。
进一步地,所述步骤S3中基于结构信息的包括以下子步骤:
S321、寻找与目标节点最相似的节点,对最相似的节点使用启发式判定;
S322、若步骤S321判定出结果则将结果赋给目标节点并结束判定,否则进行基于局部社团进行启发式判别。
进一步地,所述步骤S321中寻找与目标节点最相似的节点的具体实现方法为:
计算时向节点邻居集合中扩充节点本身,得到如下表达式(2):
Γ+(v)=Γ(v)+{v} (2)
使用Γ+(v)代替Γ(v),得到表达式如式(3)所示:
节点对以及当前考察的共同邻居在路由器级拓扑中组成一个三角结构,三角形结构的a、b、c三条边对应的AS有三种情形:三者所属AS相同、有两个所属的AS相同、三者所属AS皆不同,分别记为S1,S2,S3;
以上三种情形中,记三个节点属于同一AS的概率为p(Si),则显然p(S1)>p(S2)>p(S3);
对S1,S2,S3三种情形分别赋权重值3、2、1;记该权重值为triangle(v1,v2,v3),则:
其中(v1,v2,v3)∈{Si}表示节点(v1,v2,v3)的结构属于情形Si;由此得到基于三角结构的RA指标TriangleRA为:
其中,k(v)表示节点v的度,Γ+(v)表示节点v的邻居节点组成的集合;
综合利用端口信息和结构信息得到相似性Similarity(x,y),表示为:
Similarity(x,y)=Simi(x,y)×TriangleRA(x,y) (6)
基于最相似节点进行判别时,根据综合相似性Similarity(x,y)选出与目标节点最相似的两个点,依次对其进行启发式判定。
进一步地,所述步骤S322中局部社团获取方法为:
S3221、取目标节点v0以及其邻居节点集合Γ+(v0),设集合C为空集;
S3222、对Γ+(v0)中的每个节点vi,求vi与其邻居节点之间的相似性,将vi与其最相似节点组成节点对添加到集合C,当有一个以上节点的拥有最大相似性值时,则添加多个节点对;
S3223、将集合C中拥有公共节点的节点对进行融合,得到多个节点子集;
S3223、取出节点v0所在的节点子集,作为目标节点v0的局部社团集合;
S3224、统计社团中所有端口的AS归属情况,将出现频率最高,且数量超过总数1/3的AS作为目标节点的归属AS。
本发明的有益效果是:
1、本发明计算相似性时,同时利用了节点信息即路由器端口信息和拓扑结构信息,能有效提高精确率和召回率。
2、对使用基于端口和结构信息的路由器归属AS判定方法进行实验时,各个子步骤判定后得到的阶段性数据,实现了提高召回率的情况下尽可能地保障了方法的精确率。判定时先使用自身信息再结合社团信息,只有在前面的步骤无法判定时才使用计算复杂度更高的步骤进行判定,整体效率比直接使用复杂的步骤进行判定更高。
3、基于端口和结构信息的路由器归属AS判定方法,合理地利用互联网路由器级拓扑的复杂网络特征进行路由器归属AS识别,较大程度的利用各种信息,达到了有效提高匹配结果的精确率和召回率的效果。
附图说明
图1为本发明的基于端口和结构信息的路由器归属AS识别方法的流程图;
图2为本发明的进行基于端口和结构信息的判别的流程图;
图3为本发明的端口信息相似性计算示意图;
图4为相似性计算缺陷分析拓扑图,(a)为案例a,(b)为案例b;
图5为三角结构示意图。
具体实施方式
本发明的主要思想是:1)采用条件较为严苛的启发式方法针对端口信息对节点进行AS归属判别,提高结果的可信度;2)在节点本身所拥有的信息不具备进行AS归属判别的条件时,通过社团特征寻求额外信息,使用社团中节点的综合信息进行判断,以此削弱噪声对正确信息的干扰。
本发明选用适当的启发式规则对目标节点进行归属AS判别,设立较严苛的条件,提高判别准确性。然后对于使用启发式方法无法进行判断的路由器节点,基于同一社团中节点间的相似特性,寻找与目标节点最相似的节点进行判定。认为目标节点和其最相似节点属于同一个AS社团。因此对相似节点进行启发式的AS归属判别,并将结果作为目标节点的归属AS。对仍然无法判断的,则进一步围绕目标节点进行局部社团发现,对发掘出的社团群体进行启发式的AS判别。社团结构分析可以基于节点共同属性和节点间的相互关系两方面进行,在分析路由器级拓扑的社团特性时,可使用其节点信息和拓扑结构信息,最终通过社团结构获取更多信息进行归属AS判别。
下面结合附图进一步说明本发明的技术方案。如图1所示,基于端口和结构信息的路由器归属AS识别方法,包括以下步骤:
S1、输入测量数据和IP-AS映射表数据;
S2、对输入的测量数据进行预处理;对输入的测量数据进行别名解析、链路分析、处理匿名路由器,生成路由器级的无环拓扑,针对此拓扑使用基于端口和信息AS判别方法,最终完成路由器的AS识别。
S3、进行基于端口和结构信息的判别;如图2所示,具体的基于端口和结构信息的路由器归属AS判别过程中,主要是用严苛的启发式方法针对端口信息对节点进行AS归属判别,若效果不佳,则寻找与该节点最相似的节点,由最相似的节点的AS信息来确认本节点AS域信息。若仍然无法有效判别,则引入基于局部社团判别的方法,最终获取的到AS信息。
利用路由器端口信息进行节点相似性计算并基于端口相似性寻找最可能与目标节点在同一AS社团的节点。基于启发式的判定和节点端口相似性计算提出基于端口信息进行路由器归属AS判定的方法。
启发式方法中最基础的是单一AS情形下的推断,当一个路由器的所有端口都属于同一个AS时,将该AS视为该路由器的归属AS。多数优先原则是指针对边界路由器,尽管边界路由器上有来自邻居AS的IP,但是在路由器拥有较多的连接时,来自自身所属AS内部的连接应该比来自外部的连接更多。而对于单一AS原则和多数优先原则不能解决的目标节点,需要从拓扑中获取更多的信息。
由于路由器级拓扑按照节点的归属AS表现出社团结构,因此可从目标节点社团结构获取信息。因为社团中的节点具有相似性,所以可按节点相似性进行社团发现。本节使用路由器端口信息计算节点间的相似性,将与目标节点最相似的节点视为与目标节点属于同一AS社团。可对最相似节点进行启发式判定,将结果作为共同的归属AS。
通过节点的端口信息可以计算目标节点与其邻居节点的相似性。将拓扑中一条边上的两个节点端口视为是属于对应边的属性“AS_ID”所表示的AS的,两个节点相似的程度可用两个节点同时归属于该AS的概率表示。单个节点属于该AS的概率按节点上属于该AS的端口占节点端口总数的比例计算,两个节点同时属于该AS的概率为分别计算两节点概率后的乘积。值得注意的是,如果出现连边AS标示为“None”的情况,对“None”端口累加计数显然不合理。因此如果连边AS标示为“None”,则计算其概率时分子取1,不对“None”端口累计。
在如图3所示的示例上进行计算,计算得到节点相似度Simi为1/8。Simi的计算方法假设一个路由器节点拥有的与某一AS相关节点间的连接越多,该路由器就有越大的可能属于该AS。
综合上述分析,提出基于路由器端口信息的归属AS判别规则包括基于单个节点的启发式判别规则和基于端口信息的节点相似性计算判别规则;
对单个节点的启发式判定规则如下:
a.若路由器上所有端口都属于同一AS,则将该AS作为该路由器的归属AS;
b.若路由器拥有四个及以上端口,且其中属于同一AS的端口数达到总数2/3,则将该AS作为该路由器的归属AS,判定时将“None”视为普通AS号;
基于端口信息的节点相似性计算规则如下:两个节点的相似性为两节点各自拥有的属于连边AS的端口数占自身端口总数比例的乘积;统计数目时“None”标示的端口计入总数,如果连边的“AS_ID”为“None”则计算比例时分子为1,不累计节点所含“None”端口数量;得到Simi的计算式,如式(1)所示:
其中,k(vi)表示节点vi的度,k(vi,ASxy)表示节点vi上属于自治系统ASxy的端口数;ASxy表示节点x,y相连的两个端口所属的AS;
基于端口信息的归属AS判别包括以下子步骤:
S311、对待判定的节点使用规则a;
S312、若判定出结果则结束判定流程,若未判定出结果或结果为“None”,则继续对待判定节点使用规则b进行判定;
S313、若判定出结果则结束,若未判定出结果或结果为“None”,则使用式(1)计算节点相似度,选择最相似的节点作为待判定节点按步骤S311、S312进行判定;
S314、若判定出结果,则将结果作为目标节点的判定结果,结束算法,若未判定出结果或结果为“None”,则将次相似节点作为待判定节点按步骤S311、S312进行判定,将判定结果作为目标节点的判定结果。
此处步骤S311、S312为使用待判定节点的自身信息基于启发式规则进行判定的处理过程。当目标节点的信息不足以进行判定时,依次利用最相似的两个节点进行判定。这样的策略在每一步使用尽可能准确的信息,尽可能使判定的结果准确。在无法判定时,才使用更宽泛的规则进行判定,以此获得更高的准确率。
基于结构信息的包括以下子步骤:
S321、寻找与目标节点最相似的节点,对最相似的节点使用启发式判定;
节点相似性的计算在复杂网络链路预测中常常用到,也有基于节点相似性的社团发现方法。常见的基于结构信息的相似性计算方法可以分为局部的、全局的、准局部的,其中准局部的方法在局部信息和全局信息之间折衷选择具有一定的灵活性。我们的目的是发现属于同一AS的路由器节点的相似关系,所以使用局部的相似性指标。局部相似性指标通常基于节点的邻居相关结构信息进行计算,因此比其他非局部相似性指标计算更快速,可以在一些动态变化的网络中进行高效的应用。常见的局部相似性指标如表1所示。
其中,CN指标和Jaccard指标使用到节点的邻居信息,Salton、Soreson、HPI、HDI以及LHN-I等指标使用到节点对的度信息和邻居信息,PA指标只使用到节点对的度信息。AA指标和RA指标使用邻居信息和每个邻居节点的度信息,根据每个邻居节点的度信息为该邻居节点赋予计算权重,但两方法计算权重的方案不同。
表1
本发明将根据具体的应用场景对RA指标进行改进,合理利用连边信息和拓扑结构信息,得到适用于互联网路由器节点的归属AS识别相关的相似性计算方案。
RA指标基于网络资源分配的思想提出,原本是通过邻居节点的信息对不直接连通的节点对间的相似性进行计算。对于没有共同邻居的节点对,其计算的结果为0。但是我们的应用场景中,需要处理的是直接相连的节点对,在某些情况下会出现错误。在如图4所示的情况下,使用原本的计算公式进行计算会出现与现实不符的度量结果,图4子图(a)中节点A,B在AS归属上的相近度显然不应为0。且图4中子图(a)、(b)两种拓扑结构下,节点A、B在AS归属上相同的可能性显然不同,但是使用原公式计算得到的结果却都为0。
寻找与目标节点最相似的节点的具体实现方法为:
计算时向节点邻居集合中扩充节点本身,得到如下表达式(2):
Γ+(v)=Γ(v)+{v} (2)
使用Γ+(v)代替Γ(v),得到表达式如式(3)所示:
计算路由器节点之间的相似度是为了在路由器节点自身的信息无法完成启发式判定的时候获取额外的信息进行判定。基本的假设是,路由器拓扑中属于同一个AS的节点表现出社团特性,同一社团内的节点之间相比外部节点有更高的相似度。那么当通过节点对的共同邻居来计算节点对之间的相似性时,如果共同邻居也属于节点对所在的社团,则该共同邻居应该比不属于该社团的共同邻居具有更高的贡献值。所以在计算中,可以根据节点对以及当前考察的共同邻居组成的三元组属于同一社团的可能性来对该节点的贡献值进行加权。
节点对以及当前考察的共同邻居在路由器级拓扑中组成一个三角结构,如图5所示。三角形结构的a、b、c三条边对应的AS有三种情形:三者所属AS相同、有两个所属的AS相同、三者所属AS皆不同,分别记为S1,S2,S3;
以上三种情形中,记三个节点属于同一AS的概率为p(Si),则显然p(S1)>p(S2)>p(S3);
对S1,S2,S3三种情形分别赋权重值3、2、1;记该权重值为triangle(v1,v2,v3),则:
其中(v1,v2,v3)∈{Si}表示节点(v1,v2,v3)的结构属于情形Si;由此得到基于三角结构的RA指标TriangleRA为:
其中,k(v)表示节点v的度,Γ+(v)表示节点v的邻居节点组成的集合;
综合利用端口信息和结构信息得到相似性Similarity(x,y),表示为:
Similarity(x,y)=Simi(x,y)×TriangleRA(x,y) (6)
基于最相似节点进行判别时,根据综合相似性Similarity(x,y)选出与目标节点最相似(综合相似性值最大)的两个点,依次对其进行启发式判定。
S322、若步骤S321判定出结果则将结果赋给目标节点并结束判定,否则进行基于局部社团进行启发式判别;
前面提出的方法在路由节点自身的信息不足以进行归属AS的判定时,寻找最相似节进行辅助判定,实际上是基于节点相似性寻找最可能与目标节点在同一AS社团的邻居节点。但是,使用该方法仍然有部分节点无法判定,此时就需要进一步获取更多额外信息。可以通过局部社团发现方法获取目标节点所在的小社团,然后可对该社团中的节点群体使用启发式的方法进行判定。因为通过扩大考察节点的群体有助于削弱噪声信息对有用信息的干扰。为此,使用一种基于节点相似性的局部社团发现方法。
通过相似性计算,可以得到每个节点的最相似节点。基于社团节点的相似特性,节点和其最相似节点组成的节点对可以看作是属于同一个社团的。通过计算每个节点和其邻居节点之间的相似性,可得到一系列最相似节点对,每个节点对中的节点应该是属于同一个社团的。将节点对中的节点视为连通的,其余节点不连通,这样可得到多个连通子图,将每个连通子图作为一个社团。用此方法可获取围绕目标节点v0的局部社团,方法具体步骤如下:
S3221、取目标节点v0以及其邻居节点集合Γ+(v0),设集合C为空集;
S3222、对Γ+(v0)中的每个节点vi,求vi与其邻居节点之间的相似性,将vi与其最相似节点组成节点对添加到集合C,当有一个以上节点的拥有最大相似性值时,则添加多个节点对;
S3223、将集合C中拥有公共节点的节点对进行融合,得到多个节点子集;
S3223、取出节点v0所在的节点子集,作为目标节点v0的局部社团集合;
S3224、统计社团中所有端口的AS归属情况,将出现频率最高,且数量超过总数1/3的AS作为目标节点的归属AS。
本发明提出对路由器归属AS进行逐步判定的基于社团特性的路由器归属AS判定方法。该判定方法的思想是:先使用目标节点自身的信息进行归属AS判别,判别时采用比较谨慎的策略,对难以判别的样本,利用路由器级拓扑的AS社团特性,从社团节点获取信息进行判定。利用目标节点自身信息进行判定时,对一些干扰信息,如没有AS信息的端口,进行了保留,并在噪声信息较多难以判定时不作武断的判定,而将判定权移交到后面的步骤。
其中,基于节点自身信息判别和基于最相似节点判别需要使用到对单个节点的启发式判别规则。若基于节点自身信息判定得到有效结果则结束判定,否则,基于最相似节点进行判别。只是此处计算节点相似性时,使用节点综合相似性Similarity(x,y),而非原本的式(1)进行计算,并以此寻找相似节点。节点综合相似性Similarity(x,y)结合节点的端口信息和节点周边的结构信息进行计算。在路由器级拓扑中利用端口信息计算相似度Simi计算式(1)和结构信息计算节点相似性的方法式(5)。综合利用端口信息和结构信息得到相似性Similarity(x,y)。
基于局部社团进行判别时,使用基于相似性Similarity(x,y)的局部社团发现得到目标节点的小社团,再对小社团进行启发式的归属AS判别。统计社团中所有端口的AS归属情况,将出现频率最高,且数量超过总数1/3的AS作为目标节点的归属AS。
本领域的普通技术人员将会意识到,这里所述的实施例是为了帮助读者理解本发明的原理,应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合,这些变形和组合仍然在本发明的保护范围内。
Claims (6)
1.基于端口和结构信息的路由器归属AS识别方法,其特征在于,包括以下步骤:
S1、输入测量数据和IP-AS映射表数据;
S2、对输入的测量数据进行预处理;
S3、进行基于端口和结构信息的判别;
S4、输出归属结果。
2.根据权利要求1所述的基于端口和结构信息的路由器归属AS识别方法,其特征在于,所述步骤S2具体实现方法为:对输入的测量数据进行别名解析、链路分析、处理匿名路由器,生成路由器级的无环拓扑。
3.根据权利要求1所述的基于端口和结构信息的路由器归属AS识别方法,其特征在于,所述步骤S3中基于路由器端口信息的归属AS判别规则包括基于单个节点的启发式判别规则和基于端口信息的节点相似性计算判别规则;
对单个节点的启发式判定规则如下:
a.若路由器上所有端口都属于同一AS,则将该AS作为该路由器的归属AS;
b.若路由器拥有四个及以上端口,且其中属于同一AS的端口数达到总数2/3,则将该AS作为该路由器的归属AS,判定时将“None”视为普通AS号;
基于端口信息的节点相似性计算规则如下:两个节点的相似性为两节点各自拥有的属于连边AS的端口数占自身端口总数比例的乘积;统计数目时“None”标示的端口计入总数,如果连边的“AS_ID”为“None”则计算比例时分子为1,不累计节点所含“None”端口数量;得到Simi的计算式,如式(1)所示:
其中,k(vi)表示节点vi的度,k(vi,ASxy)表示节点vi上属于自治系统ASxy的端口数;ASxy表示节点x,y相连的两个端口所属的AS;
基于端口信息的归属AS判别包括以下子步骤:
S311、对待判定的节点使用规则a;
S312、若判定出结果则结束判定流程,若未判定出结果或结果为“None”,则继续对待判定节点使用规则b进行判定;
S313、若判定出结果则结束,若未判定出结果或结果为“None”,则使用式(1)计算节点相似度,选择最相似的节点作为待判定节点按步骤S311、S312进行判定;
S314、若判定出结果,则将结果作为目标节点的判定结果,结束算法,若未判定出结果或结果为“None”,则将次相似节点作为待判定节点按步骤S311、S312进行判定,将判定结果作为目标节点的判定结果。
4.根据权利要求1所述的基于端口和结构信息的路由器归属AS识别方法,其特征在于,所述步骤S3中基于结构信息的包括以下子步骤:
S321、寻找与目标节点最相似的节点,对最相似的节点使用启发式判定;
S322、若步骤S321判定出结果则将结果赋给目标节点并结束判定,否则进行基于局部社团进行启发式判别。
5.根据权利要求4所述的基于端口和结构信息的路由器归属AS识别方法,其特征在于,所述步骤S321中寻找与目标节点最相似的节点的具体实现方法为:
计算时向节点邻居集合中扩充节点本身,得到如下表达式(2):
Γ+(v)=Γ(v)+{v} (2)
使用Γ+(v)代替Γ(v),得到表达式如式(3)所示:
节点对以及当前考察的共同邻居在路由器级拓扑中组成一个三角结构,三角形结构的a、b、c三条边对应的AS有三种情形:三者所属AS相同、有两个所属的AS相同、三者所属AS皆不同,分别记为S1,S2,S3;
以上三种情形中,记三个节点属于同一AS的概率为p(Si),则显然p(S1)>p(S2)>p(S3);
对S1,S2,S3三种情形分别赋权重值3、2、1;记该权重值为triangle(v1,v2,v3),则:
其中(v1,v2,v3)∈{Si}表示节点(v1,v2,v3)的结构属于情形Si;由此得到基于三角结构的RA指标TriangleRA为:
其中,k(v)表示节点v的度,Γ+(v)表示节点v的邻居节点组成的集合;
综合利用端口信息和结构信息得到相似性Similarity(x,y),表示为:
Similarity(x,y)=Simi(x,y)×TriangleRA(x,y) (6)
基于最相似节点进行判别时,根据综合相似性Similarity(x,y)选出与目标节点最相似的两个点,依次对其进行启发式判定。
6.根据权利要求4所述的基于端口和结构信息的路由器归属AS识别方法,其特征在于,所述步骤S322中局部社团获取方法为:
S3221、取目标节点v0以及其邻居节点集合Γ+(v0),设集合C为空集;
S3222、对Γ+(v0)中的每个节点vi,求vi与其邻居节点之间的相似性,将vi与其最相似节点组成节点对添加到集合C,当有一个以上节点的拥有最大相似性值时,则添加多个节点对;
S3223、将集合C中拥有公共节点的节点对进行融合,得到多个节点子集;
S3223、取出节点v0所在的节点子集,作为目标节点v0的局部社团集合;
S3224、统计社团中所有端口的AS归属情况,将出现频率最高,且数量超过总数1/3的AS作为目标节点的归属AS。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810985425.0A CN109218184B (zh) | 2018-08-28 | 2018-08-28 | 基于端口和结构信息的路由器归属as识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810985425.0A CN109218184B (zh) | 2018-08-28 | 2018-08-28 | 基于端口和结构信息的路由器归属as识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109218184A true CN109218184A (zh) | 2019-01-15 |
CN109218184B CN109218184B (zh) | 2020-06-30 |
Family
ID=64986022
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810985425.0A Active CN109218184B (zh) | 2018-08-28 | 2018-08-28 | 基于端口和结构信息的路由器归属as识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109218184B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110430077A (zh) * | 2019-08-02 | 2019-11-08 | 电子科技大学 | 基于网络结构特征的匿名路由器识别方法 |
CN113726659A (zh) * | 2021-08-31 | 2021-11-30 | 电子科技大学 | 一种基于最大似然的网络匿名路由器识别方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1104963A1 (en) * | 1999-12-01 | 2001-06-06 | Lucent Technologies Inc. | Method and apparatus for exchanging routing information in a packet-based data network |
CN101483600A (zh) * | 2009-02-19 | 2009-07-15 | 北京交通大学 | 实现一体化网络归属域信息扩散的方法 |
CN103959716A (zh) * | 2011-03-25 | 2014-07-30 | 华为技术有限公司 | 一种在网络通信中实现拓扑透明区的系统和方法 |
CN104168188A (zh) * | 2014-08-22 | 2014-11-26 | 电子科技大学 | 基于svi的互联网as推断以及路由器划分方法 |
CN104202211A (zh) * | 2014-08-25 | 2014-12-10 | 电子科技大学 | 主动和被动测量结合的自治系统级网络拓扑识别方法 |
CN105262690A (zh) * | 2015-09-15 | 2016-01-20 | 电子科技大学 | 一种自治系统级网络拓扑识别方法 |
-
2018
- 2018-08-28 CN CN201810985425.0A patent/CN109218184B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1104963A1 (en) * | 1999-12-01 | 2001-06-06 | Lucent Technologies Inc. | Method and apparatus for exchanging routing information in a packet-based data network |
CN101483600A (zh) * | 2009-02-19 | 2009-07-15 | 北京交通大学 | 实现一体化网络归属域信息扩散的方法 |
CN103959716A (zh) * | 2011-03-25 | 2014-07-30 | 华为技术有限公司 | 一种在网络通信中实现拓扑透明区的系统和方法 |
CN104168188A (zh) * | 2014-08-22 | 2014-11-26 | 电子科技大学 | 基于svi的互联网as推断以及路由器划分方法 |
CN104202211A (zh) * | 2014-08-25 | 2014-12-10 | 电子科技大学 | 主动和被动测量结合的自治系统级网络拓扑识别方法 |
CN105262690A (zh) * | 2015-09-15 | 2016-01-20 | 电子科技大学 | 一种自治系统级网络拓扑识别方法 |
Non-Patent Citations (3)
Title |
---|
B. HUFFAKER,ET AL.: ""oward Topology Dualism: Improving the"", 《NTERNATIONAL CONFERENCE ON PASSIVE AND ACTIVE》 * |
Y. ZHANG,ET AL.: ""A Framework to Quantify the Pitfalls of Using Traceroute in AS-Level Topology Measurement"", 《IEEE JOURNAL ON SELECTED AREAS IN COMMUNICATION》 * |
于群: ""基于互联网拓扑特征的多粒度社团发现算法及其可视化"", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110430077A (zh) * | 2019-08-02 | 2019-11-08 | 电子科技大学 | 基于网络结构特征的匿名路由器识别方法 |
CN110430077B (zh) * | 2019-08-02 | 2020-08-18 | 电子科技大学 | 基于网络结构特征的匿名路由器识别方法 |
CN113726659A (zh) * | 2021-08-31 | 2021-11-30 | 电子科技大学 | 一种基于最大似然的网络匿名路由器识别方法 |
CN113726659B (zh) * | 2021-08-31 | 2022-04-19 | 电子科技大学 | 一种基于最大似然的网络匿名路由器识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109218184B (zh) | 2020-06-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102937951B (zh) | 建立ip地址分类模型的方法、对用户分类的方法及装置 | |
CN107220277A (zh) | 基于手绘草图的图像检索算法 | |
CN109299811A (zh) | 一种基于复杂网络的欺诈团伙识别和风险传播预测的方法 | |
Li et al. | Identifying overlapping communities in social networks using multi-scale local information expansion | |
CN103400299B (zh) | 基于重叠点识别的网络重叠社团检测方法 | |
CN109086356A (zh) | 大规模知识图谱的错误连接关系诊断及修正方法 | |
CN111027743A (zh) | 基于分层路网的od最优路径搜索方法及装置 | |
CN109218184A (zh) | 基于端口和结构信息的路由器归属as识别方法 | |
CN106600430A (zh) | 一种社区网络检测方法及装置 | |
CN108319672A (zh) | 基于云计算的移动终端不良信息过滤方法及系统 | |
CN105761153A (zh) | 一种加权网络重要用户发现的实现方法 | |
CN113378899A (zh) | 非正常账号识别方法、装置、设备和存储介质 | |
CN105302823A (zh) | 重叠社区并行发现的方法及系统 | |
Bohong et al. | Garbage detection algorithm based on YOLO v3 | |
CN108052743A (zh) | 一种阶梯接近中心度确定方法及系统 | |
CN108287866A (zh) | 一种大规模网络中基于节点密度的社区发现方法 | |
CN114024748B (zh) | 一种结合活跃节点库和机器学习的高效以太坊流量识别方法 | |
CN109255433B (zh) | 一种基于相似性的社区检测的方法 | |
CN107092934A (zh) | 一种基于三级数据融合的大型结构损伤识别方法 | |
CN107239704A (zh) | 恶意网页发现方法及装置 | |
Yuan et al. | A Multi‐Granularity Backbone Network Extraction Method Based on the Topology Potential | |
Chen et al. | Detecting overlapping community in complex network based on node similarity | |
CN110430077A (zh) | 基于网络结构特征的匿名路由器识别方法 | |
CN108833158A (zh) | 一种基于k-means的相似性社区发现方法 | |
CN116501924B (zh) | 一种基于鲁棒增强损失函数的图链路预测方法 |
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 |