CN109858508A - 基于贝叶斯和深度神经网络的ip定位方法 - Google Patents

Abstract

本发明公开了一种基于贝叶斯和深度神经网络的IP定位方法，包括基于社交信息的IP设备综合定位方法、基于加权朴素贝叶斯的IP定位方法和基于BP神经网络的IP定位方法；与现有技术相比，本发明通过融合三种方法对未知IP进行综合定位，可以根据收集到的不同数据类型自适应选择对应的方法定位。

Description

基于贝叶斯和深度神经网络的IP定位方法

技术领域

本发明涉及网络技术领域，尤其涉及一种基于贝叶斯和深度神经网络的IP 定位方法。

背景技术

基于IP的网络实体地理定位技术的目标就是在知道用户或设备的IP地址的条件下，定位网络中用户和设备的地理位置。因此IP地理定位技术能够帮助互联网服务提供商在地域上区分用户，从而提供更多与地域相关的服务。

例如，针对性的广告，主机用户或者手机移动设备用户在访问Web网页与APP应用时，互联网服务提供商若知道用户的位置，便可以根据用户的地理位置添加针对性更强的广告，从而提高广告的投放效果。有些网站和应用还可以根据用户的地理位置调整页面内容，根据IP定位信息判断用户的地理位置，从而智能地选择合适语言的页面并且主动推送与所在地域相关的天气预报或是新闻资讯。又如，在网站管理员对访问日志进行分析时，IP地理定位可以帮助网络管理员起到区分用户来源、诊断网络错误、定位攻击源等功能。

目前，常用IP定位方法可以大体归纳为注册信息查询，网页信息提取，网络测量三类，它们各有优势和缺点。

第一大类注册信息查询包括使用Whois类似的数据库来查询主机IP位置信息或者查询域名信息等，该类方法的缺点在于数据库记录的是注册用户的信息，这些信息可能与IP的真实的使用位置有偏差，同时数据更新慢，导致数据准确性较低。

第二大类网页信息提取，例如挖掘到用户使用的IP时，挖掘用户在注时填写的地址信息，或者在使用APP应用时选择的地址信息，或者通过网页上包含的电话，传真，地址等信息来收集网站IP和对应的地理位置，该类方法的局限在于获得的IP覆盖面小，同时无法判断用户提交信息的有效性，无法避免虚假信息，还有可能侵犯用户的隐私。

第三大类网络测量，例如GeoPing算法认为相似网络中的主机之间的往返时延是强相似，该算法的缺点在于定位结果受限于参考点的位置，参考点较少的地方误差较大，又如基于约束的CBG算法和TBG算法，他们的局限在于将时延与物理距离产生联系，但时延受网络拓扑和网络环境影响很大，所以时延与物理距离关系并不明确。

发明内容

本发明的目的就在于为了解决上述问题而提供一种基于贝叶斯和深度神经网络的IP定位方法。

本发明通过以下技术方案来实现上述目的：

本发明包括基于社交信息的IP设备综合定位方法、基于加权朴素贝叶斯的 IP定位方法和基于BP神经网络的IP定位方法；

所述基于社交信息的IP设备综合定位方法包括以下步骤：

1.1图片匹配定位：通过收集IP设备或对应用户最近时间发表的图片或者视频，提取图片或视频中的文字、路标、颜色、纹理、轮廓、形状、特殊建筑、空间关系等特征，然后在后台图像数据库系统中经过特征匹配、相似度计算、比较和计算出相似度最高的地理位置，从而将未知IP设备定位到具体位置；

1.2社交平台的位置信息定位：通过具备发布位置信息的社交平台，收集IP 设备或对应用户最近时间段的签到数据、留言位置等直接包含地理位置的信息，可以直接定位出IP设备的位置；

1.3社交信息的语义分析定位：通过收集IP设备或对应用户在社交网络上发布的信息，然后利用自然语言处理技术对收集的信息进行语句和单词切分，整理出时间顺序和地理位置等关键词，从而做出定位甚至做出预测；

1.4通过收集处理上述数据和使用对应的方法可以得到对应的定位结果，最后进行汇总和统一，总结出置信度最高的位置作为该IP设备的定位结果；

基于社交信息的IP设备综合定位，该方法有效的利用设备与用户之间的密切联系，通过对用户信息的分析和处理，不仅具有定位IP设备或用户位置的功能，还可能预测出设备或用户的下一个位置，这对于与位置相关的服务有很大的帮助，同时，利用用户自己公开发布的社交信息不会对用户的隐私造成侵犯。

所述基于加权朴素贝叶斯的IP定位方法：

该方法模型如下：

D_t表示待测IP的时延向量，s_i表示目标区间，w表示各权重，具体步骤如下：

2.1在城市C内选取分布离散的m个可用测量点，并将其进行编号；测量点是已知地理位置，用来发出ping，traceroute等测量命令的测量主机；在城市内设置n个目标区间，本技术假设按照街道号将定位城市划分为n个目标区间，由此可得城市C内包含的目标区间集合C＝{s₁,s₂,...,s_n}，s₁表示1号区间；在每个区间内选取多个可用基准点，本技术假设每个区间都选取k个基准点，由此得到代表每个目标区间的包含的基准点集合s＝{l₁,l₂,...,l_k}，基准点是已知经纬度且能够从测量点到达的IP主机；

2.2首先使用1号测量点向n个目标区间的所有基准点发起时延测量，得到n 个区间所有基准点的时延向量集D_1i＝{d_1i1,d_1i2,...,d_1ik}，i＝{1,2...,n}，D_1i表示1号测量点到第i个区间，d_1ik表示1号测量点到第i个目标区间的第k基准点的时延；

2.3通过D_1i计算1号测量点到第i号区间基准点的时延概率核密度，由此可得到1号测量点到所有的n个目标区间的时延概率核密度；依次更换所有m个测量点，反复步骤2.2操作，最终可以得到m个不同测量点到n个区间的时延概率核密度；

2.4当对待测IP节点t进行定位时，利用m个测量点向t节点发送主动测量，测得时延集合D_t＝{d_1t,d_2t,...,d_mt}，d_1t表示1号测量点到t节点的时延，然后分别将D_t带入n个目标区间对应的时延概率核密度，即可求得该时延集合属于n个目标区间对应的概率P(D_t|s_i)，P(D_t|s_i)＝P(d_1t|s_i)P(d_2t|s_i)...P(d_mt|s_i)， i＝{1,2...,n}；

2.5P(s_i)值，即在s_i目标区间对待测目标进行分类的概率，本技术利用各目标区间人口数占总人口数的比例作为P(s_i)值，公式为：

2.6待测IP地址历史出现过的位置对其本身再次出现的位置也会有很大的影响，同时网络流量密集的地方对于待测IP设备出现的概率也会有影响，因此将历史IP出现过的位置和网络流量密集程度以不同的权重用w表示加入算法中；

2.7对待测IP进行定位时，先使用最短时延算法或者查询数据库，可以将待测IP设备定位到某个城市；然后利用对应城市各目标区间的时延核密度和对应的权重，计算待测IP属于各个目标区间的概率，最后选取概率最大的目标区间即为定位结果；

基于加权朴素贝叶斯的IP定位，该方法有效的利用历史时延这一先验概率，将IP定位转变为分类问题，同时，通过增加人口密度，网络流量，IP历史位置等不同的权重，有效的改善了朴素贝叶斯算法，可以解决由于测量不完全，测量可用性稀疏和网络路径不规则而导致的较大估计误差。

所述基于BP神经网络的IP定位方法：

对于基于加权朴素贝叶斯的IP定位方法，根据目标区间的划分不同，定位的区间范围也不同，对于面积较大的目标区间，定位效果不显著，因此本方法将对面积较大的目标区间进行BP神经网络模型训练，通过目标区间中基准点动态时间段的时延向量和拓扑路径以及其自身的位置，训练出动态自适应的网络模型，当获得任意时间段待测IP的时延向量和拓扑路径时，可以自适应利用训练好的BP神经网络模型进行定位，步骤如下：

3.1在目标区间内或目标区间周围选取分布离散的m个可用测量点，并将其进行编号；选取目标区间内以一定距离间隔且分布较为均匀的n个可用基准点，基准点的位置集合为：L＝{l₁,l₂,...,l_n}，其中L_i＝{x_i,y_i}，i＝{1,2...,n}，为第i个基准点的位置坐标，x_i是该基准点的经度，y_i是该基准点的纬度；

3.2收集基准点的时延集合和拓扑路径：

选择一个时间段，利用测量点向基准点发送ping请求，可以得到该时间段所有基准点的包含时间段的时延向量集合D_time，同时收集所有测量点到所有基准点之间的拓扑路径集合D_topology；

3.3动态时间段数据采集：

由于不同地段对网络的限制不同，有可能出现某些地区在某些时间段对网络限流，或者某些时间段是该地区的网络访问高峰期，此时就会出现时延与平时的时延不同，拓扑路径也会有所不同，因此，本技术将一天中的24个时间段也作为一个重要参数与时延向量和拓扑路径一起进行收集，收集24个时间段基准点对应的时延向量和拓扑路径；

3.4 BP神经网络训练和定位：

将收集的动态时延向量集合和动态拓扑路径集合作为输入，基准点的经纬度位置作为输出传入BP神经网络进行模型训练，经过不断的调参优化，最终得到训练好的动态自适应神经网络模型，对于待定位IP，通过收集其动态时间段的时延向量集合和拓扑路径集合，然后将其输入到对应目标区间训练好的自适应神经网络模型中，即可得待测IP对应时间段的经度和纬度，然后将经纬度转为对应的地理位置。

基于BP神经网络的IP定位，通过在目标区间内利用动态时间段的时延向量和拓扑向量训练神经网络模型，训练出动态自适应的网络模型，该模型能根据待测IP的测量时间段不同自适应做出最优输出，该方法不再使用时延与距离这种不确定关系。

本发明的有益效果在于：

本发明是一种基于贝叶斯和深度神经网络的IP定位方法，与现有技术相比，本发明通过三种方法对未知IP进行综合定位，可以根据收集到的不同数据类型自适应选择对应的方法定位。

方法一：基于社交信息的IP设备综合定位，该方法有效的利用设备与用户之间的密切联系，通过对用户信息的分析和处理，不仅具有定位IP设备或用户位置的功能，还可能预测出设备或用户的下一个位置，这对于与位置相关的服务有很大的帮助，同时，利用用户自己公开发布的社交信息不会对用户的隐私造成侵犯。

方法二：基于加权朴素贝叶斯的IP定位，该方法有效的利用历史时延这一先验概率，将IP定位转变为分类问题，同时，通过增加人口密度，网络流量，IP 历史位置等不同的权重，有效的改善了朴素贝叶斯算法，可以解决由于测量不完全，测量可用性稀疏和网络路径不规则而导致的较大估计误差。

方法三：基于BP神经网络的IP定位，通过在目标区间内利用动态时间段的时延向量和拓扑向量训练神经网络模型，训练出动态自适应的网络模型，该模型能根据待测IP的测量时间段不同自适应做出最优输出，该方法不再使用时延与距离这种不确定关系。

附图说明

图1是本发明基于社交信息的IP设备综合定位流程图；

图2是本发明基于加权朴素贝叶斯的IP定位流程图；

图3是本发明基于BP神经网络的IP定位流程图。

具体实施方式

下面结合附图对本发明作进一步说明：

(一)基于社交信息的IP设备综合定位

1.1图片匹配定位：通过收集IP设备或对应用户最近时间发表的图片或者视频，提取图片或视频中的文字、路标、颜色、纹理、轮廓、形状、特殊建筑、空间关系等特征，然后在后台图像数据库系统中经过特征匹配、相似度计算、比较和计算出相似度最高的地理位置，从而将未知IP设备定位到具体位置；

1.2社交平台的位置信息定位：通过Facebook、人人网、微博等具备发布位置信息的社交平台，收集IP设备或对应用户最近时间段的签到数据、留言位置等直接包含地理位置的信息，可以直接定位出IP设备的位置；

1.3社交信息的语义分析定位：通过收集IP设备或对应用户在社交网络上发布的信息，然后利用自然语言处理技术对收集的信息进行语句和单词切分，整理出时间顺序和地理位置等关键词，从而做出定位甚至做出预测；

1.4综合分析：通过收集处理上述数据和使用对应的方法可以得到对应的定位结果，最后进行汇总和统一，总结出置信度最高的位置作为该IP设备的定位结果，流程图如图1；

(二)基于加权朴素贝叶斯的IP定位

基于加权朴素贝叶斯分类算法模型：本技术基于朴素贝叶斯分类算法将IP定位问题转换为分类问题，通过计算待测目标属于各个目标区间的概率(例如属于各街道区间的概率)，选择概率最大的目标区间作为最终定位结果；为了从整体上提高分类效率，本技术提出基于加权朴素贝叶斯的IP定位算法，该算法加入了人口密度，网络流量，IP历史位置等相关属性，将其以不同权重利用，该算法模型如下：

D_t表示待测IP的时延向量，s_i表示目标区间，w表示各权重，流程图如图2，下面将具体介绍实施步骤和各参数含义：

2.1在城市C内选取分布离散的m个可用测量点，并将其进行编号；测量点是已知地理位置，用来发出ping，traceroute等测量命令的测量主机；在城市内设置n个目标区间，本技术假设按照街道号将定位城市划分为n个目标区间，由此可得城市C内包含的目标区间集合C＝{s₁,s₂,...,s_n}，s₁表示1号区间；在每个区间内选取多个可用基准点，本技术假设每个区间都选取k个基准点，由此得到代表每个目标区间的包含的基准点集合s＝{l₁,l₂,...,l_k}，基准点是已知经纬度且能够从测量点到达的IP主机；

2.2首先使用1号测量点向n个目标区间的所有基准点发起时延测量，得到n 个区间所有基准点的时延向量集D_1i＝{d_1i1,d_1i2,...,d_1ik}，i＝{1,2...,n}，D_1i表示1号测量点到第i个区间，d_1ik表示1号测量点到第i个目标区间的第k基准点的时延；

2.3通过D_1i计算1号测量点到第i号区间基准点的时延概率核密度，由此可得到1号测量点到所有的n个目标区间的时延概率核密度；依次更换所有m个测量点，反复步骤2.2操作，最终可以得到m个不同测量点到n个区间的时延概率核密度；

2.4当对待测IP节点t进行定位时，利用m个测量点向t节点发送主动测量，测得时延集合D_t＝{d_1t,d_2t,...,d_mt}，d_1t表示1号测量点到t节点的时延，然后分别将D_t带入n个目标区间对应的时延概率核密度，即可求得该时延集合属于n个目标区间对应的概率P(D_t|s_i)，P(D_t|s_i)＝P(d_1t|s_i)P(d_2t|s_i)...P(d_mt|s_i)， i＝{1,2...,n}；

2.5P(s_i)值，即在s_i目标区间对待测IP目标进行分类的概率，本技术利用各目标区间人口数占总人口数的比例作为P(s_i)值，公式为：

2.6待测IP地址历史出现过的位置对其本身再次出现的位置也会有很大的影响，同时网络流量密集的地方对于待测IP设备出现的概率也会有影响，因此将历史IP出现过的位置和网络流量密集程度以不同的权重用w表示加入算法中；

2.7对待测IP进行定位时，先使用最短时延算法或者查询数据库，可以将待测IP设备定位到某个城市；然后利用对应城市各目标区间的时延核密度和对应的权重，计算待测IP属于各个目标区间的概率，最后选取概率最大的目标区间即为定位结果。

(三)基于BP神经网络的IP定位过程：

对于方法(二)，根据目标区间的划分不同，定位的区间范围也不同，对于面积较大的目标区间，定位效果不显著，因此本方法将对面积较大的目标区间进行BP神经网络模型训练，通过目标区间中基准点动态时间段的时延向量和拓扑路径以及其自身的位置，训练出动态自适应的网络模型，当获得任意时间段待测IP的时延向量和拓扑路径时，可以自适应利用训练好的BP神经网络模型进行定位，流程图如图3，步骤如下：

3.1在目标区间内或目标区间周围选取分布离散的m个可用测量点，并将其进行编号；选取目标区间内以一定距离间隔且分布较为均匀的n个可用基准点，基准点的位置集合为：L＝{l₁,l₂,...,l_n}，其中L_i＝{x_i,y_i}，i＝{1,2...,n}，为第i个基准点的位置坐标，x_i是该基准点的经度，y_i是该基准点的纬度；

3.2收集基准点的时延集合和拓扑路径：

选择一个时间段，利用测量点向基准点发送ping请求，可以得到该时间段所有基准点的包含时间段的时延向量集合D_time，同时收集所有测量点到所有基准点之间的拓扑路径集合D_topology；

3.3动态时间段数据采集：

由于不同地段对网络的限制不同，有可能出现某些地区在某些时间段对网络限流，或者某些时间段是该地区的网络访问高峰期，此时就会出现时延与平时的时延不同，拓扑路径也会有所不同，因此，本技术将一天中的24个时间段也作为一个重要参数与时延向量和拓扑路径一起进行收集，收集24个时间段基准点对应的时延向量和拓扑路径；

3.4 BP神经网络训练和定位：

将收集的动态时延向量集合和动态拓扑路径集合作为输入，基准点的经纬度位置作为输出传入BP神经网络进行模型训练，经过不断的调参优化，最终得到训练好的动态自适应神经网络模型，对于待定位IP，通过收集其动态时间段的时延向量集合和拓扑路径集合，然后将其输入到对应目标区间训练好的自适应神经网络模型中，即可得待测IP对应时间段的经度和纬度，然后将经纬度转为对应的地理位置。

以上显示和描述了本发明的基本原理和主要特征及本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (1)

1.一种基于贝叶斯和深度神经网络的IP定位方法，其特征在于：包括基于社交信息的IP设备综合定位方法、基于加权朴素贝叶斯的IP定位方法和基于BP神经网络的IP定位方法；

所述基于社交信息的IP设备综合定位方法包括以下步骤：

1.1图片匹配定位：通过收集IP设备或对应用户最近时间发表的图片或者视频，提取图片或视频中的文字、路标、颜色、纹理、轮廓、形状、特殊建筑、空间关系等特征，然后在后台图像数据库系统中经过特征匹配、相似度计算、比较和计算出相似度最高的地理位置，从而将未知IP设备定位到具体位置；

1.2社交平台的位置信息定位：通过具备发布位置信息的社交平台，收集IP设备或对应用户最近时间段的签到数据、留言位置等直接包含地理位置的信息，可以直接定位出IP设备的位置；

1.3社交信息的语义分析定位：通过收集IP设备或对应用户在社交网络上发布的信息，然后利用自然语言处理技术对收集的信息进行语句和单词切分，整理出时间顺序和地理位置等关键词，从而做出定位甚至做出预测；

1.4通过收集处理上述数据和使用对应的方法可以得到对应的定位结果，最后进行汇总和统一，总结出置信度最高的位置作为该IP设备的定位结果；

所述基于加权朴素贝叶斯的IP定位方法：

该方法模型如下：

D_t表示待测IP的时延向量，si表示目标区间，w表示各权重，具体步骤如下：

2.1在城市C内选取分布离散的m个可用测量点，并将其进行编号；测量点是已知地理位置，用来发出ping，traceroute等测量命令的测量主机；在城市内设置n个目标区间，本技术假设按照街道号将定位城市划分为n个目标区间，由此可得城市C内包含的目标区间集合C＝{s₁,s₂,...,s_n}，s₁表示1号区间；在每个区间内选取多个可用基准点，本技术假设每个区间都选取k个基准点，由此得到代表每个目标区间的包含的基准点集合s＝{l₁,l₂,...,l_k}，基准点是已知经纬度且能够从测量点到达的IP主机；

2.2首先使用1号测量点向n个目标区间的所有基准点发起时延测量，得到n个区间所有基准点的时延向量集D_1i＝{d_1i1,d_1i2,...,d_1ik}，i＝{1,2...,n}，D_1i表示1号测量点到第i个区间，d_1ik表示1号测量点到第i个目标区间的第k基准点的时延；

2.3通过D_1i计算1号测量点到第i号区间基准点的时延概率核密度，由此可得到1号测量点到所有的n个目标区间的时延概率核密度；依次更换所有m个测量点，反复步骤2.2操作，最终可以得到m个不同测量点到n个区间的时延概率核密度；

2.4当对待测IP节点t进行定位时，利用m个测量点向t节点发送主动测量，测得时延集合D_t＝{d_1t,d_2t,...,d_mt}，d_1t表示1号测量点到t节点的时延，然后分别将D_t带入n个目标区间对应的时延概率核密度，即可求得该时延集合属于n个目标区间对应的概率P(D_t|s_i)，P(D_t|s_i)＝P(d_1t|s_i)P(d_2t|s_i)...P(d_mt|s_i)，i＝{1,2...,n}；

2.5 P(s_i)值，即在s_i目标区间对待测IP目标进行分类的概率，本技术利用各目标区间人口数占总人口数的比例作为P(s_i)值，公式为：

2.6待测IP地址历史出现过的位置对其本身再次出现的位置也会有很大的影响，同时网络流量密集的地方对于待测IP设备出现的概率也会有影响，因此将历史IP出现过的位置和网络流量密集程度以不同的权重用w表示加入算法中；

2.7对待测IP进行定位时，先使用最短时延算法或者查询数据库，可以将待测IP设备定位到某个城市；然后利用对应城市各目标区间的时延核密度和对应的权重，计算待测IP属于各个目标区间的概率，最后选取概率最大的目标区间即为定位结果；

所述基于BP神经网络的IP定位方法：

对于加权朴素贝叶斯定位方法，根据目标区间的划分不同，定位的区间范围也不同，对于面积较大的目标区间，定位效果不显著，因此本方法将对面积较大的目标区间进行BP神经网络模型训练，通过目标区间中基准点动态时间段的时延向量和拓扑路径以及其自身的位置，训练出动态自适应的网络模型，当获得任意时间段待测IP的时延向量和拓扑路径时，可以自适应利用训练好的BP神经网络模型进行定位，步骤如下：

3.1在目标区间内或目标区间周围选取分布离散的m个可用测量点，并将其进行编号；选取目标区间内以一定距离间隔且分布较为均匀的n个可用基准点，基准点的位置集合为：L＝{l₁,l₂,...,l_n}，其中L_i＝{x_i,y_i}，i＝{1,2...,n}，为第i个基准点的位置坐标，x_i是该基准点的经度，y_i是该基准点的纬度；

3.2收集基准点的时延集合和拓扑路径：

选择一个时间段，利用测量点向基准点发送ping请求，可以得到该时间段所有基准点的包含时间段的时延向量集合D_time，同时收集所有测量点到所有基准点之间的拓扑路径集合D_topology；

3.3动态时间段数据采集：

由于不同地段对网络的限制不同，有可能出现某些地区在某些时间段对网络限流，或者某些时间段是该地区的网络访问高峰期，此时就会出现时延与平时的时延不同，拓扑路径也会有所不同，因此，本技术将一天中的24个时间段也作为一个重要参数与时延向量和拓扑路径一起进行收集，收集24个时间段基准点对应的时延向量和拓扑路径；

3.4 BP神经网络训练和定位：

将收集的动态时延向量集合和动态拓扑路径集合作为输入，基准点的经纬度位置作为输出传入BP神经网络进行模型训练，经过不断的调参优化，最终得到训练好的动态自适应神经网络模型，对于待定位IP，通过收集其动态时间段的时延向量集合和拓扑路径集合，然后将其输入到对应目标区间训练好的自适应神经网络模型中，即可得待测IP对应时间段的经度和纬度，然后将经纬度转为对应的地理位置。