CN111711707B - 基于邻居关系的ip地址定位方法 - Google Patents
基于邻居关系的ip地址定位方法 Download PDFInfo
- Publication number
- CN111711707B CN111711707B CN202010360534.0A CN202010360534A CN111711707B CN 111711707 B CN111711707 B CN 111711707B CN 202010360534 A CN202010360534 A CN 202010360534A CN 111711707 B CN111711707 B CN 111711707B
- Authority
- CN
- China
- Prior art keywords
- point
- address
- measured
- neighbor
- association
- 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
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
- H04L45/20—Hop count for routing purposes, e.g. TTL
-
- 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
- H04L45/74—Address processing for routing
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L2101/00—Indexing scheme associated with group H04L61/00
- H04L2101/60—Types of network addresses
- H04L2101/69—Types of network addresses using geographic information, e.g. room number
-
- 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)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明提出了基于邻居关系的IP地址定位方法,包括以下步骤:步骤1、根据主动测量数据,定义IP地址关联度、路由路径关联度、时延关联度和路由跳数关联度;步骤2、根据IP地址四段关联度、路由路径关联度、时延关联度和路由跳数关联度,定义IP地址的邻居关系;3、根据IP地址的邻居关系,计算待定位IP地址的邻居节点;步骤4、根据改进的质心法,确定待定位IP地址所处的区县街道。本发明的IP地址定位方法,借鉴机器学习相关算法,提供一种从IP地址特点出发,综合考虑网络拓扑的IP地址定位方法,且定位结果具有较高的精度。
Description
技术领域
本发明涉及IP地址定位技术领域,特别是一种IP地址区县街道级定位方法。
背景技术
IP地址定位是指根据网络设备的IP地址确定其在地理上的位置。在研究中,通常将具有IP地址的网络设备划分为测量点、基准点和待测点三类,其中测量点是指能向目的IP发起主动测量的网络设备,基准点是指地理位置已知且可对测量点所发数据包做出响应的网络设备,而待测点则是指需要实现地理位置定位的IP地址,即待定位的网络设备。
目前,传统的IP地址定位算法总体上可分为基于推测和基于时延两类。前者一般通过查询Whois数据库,或直接根据主机名来推测当前IP地址对应设备的位置。而基于时延的定位算法是结合网络拓扑信息,通过测定目标主机到测量点的时延,来估测目标主机的地理位置。
基于推测的IP地址定位算法按照思路的不同可以分为三类。第一类算法是直接在IP地址库中查找目的IP,根据IP地址对应的主机名、行政区等信息,从而推测其所在的地理位置,此类代表算法有IP2LL(IP2LL.IP to latitude/longitude server[DB/OL].2019,https://www.iptolatlng.com)和NetGeo(Moore D.Where in the world isnetgeo.caida.org?[C].Internet Society Conference,ISOC,2000)等。第二类是基于主机名和数据库信息的IP地址定位算法。如Padmanabhan VN等人提出的GeoTrack算法(Padmanabhan V N,Subramanian L.An investigation of geographic mappingtechniques for internet hosts[J].ACM SIGCOMM Computer Communication Review,2001,31(4):173-185),VisualRoute算法(VisualRoute.Visualware Inc[DB/OL].2019,https://www.visualroute.com),GTrace算法(Nemeth E.GTrace-A GraphicalTraceroute Tool[C].Usenix Conference on System Administration,USENIXAssociation,1999)和NeoTrace算法(NeoTrace.Geographical Display of Traceroute,Whois and Ping[DB/OL].2019,https://www.neoworx.com)等。除了将主机名纳入考虑因素外,第三类基于网络结构和数据库信息的IP地址定位算法,是通过将IP地址分配的层次结构特点与IP地址库信息相结合,来实现对IP地址所处位置的粗粒度定位,其中的典型算法为GeoCluster算法(Padmanabhan V N,Subramanian L.An investigation ofgeographic mapping techniques for internet hosts[J].ACM SIGCOMM ComputerCommunication Review,2001,31(4):173-185)。
基于时延的IP地址定位算法主要是通过发起主动测量,得到测量点至待测点间的时延,并结合数学方法或网络拓扑等多要素,来实现待测点地理位置的定位。从原理上进行区分,基于时延的IP地址定位算法可以分为基于空间理论和基于概率估计两类。基于空间理论的IP地址定位算法是通过时延与地理距离间的映射关系,来计算测量点到待测点间的距离,从而进一步确定待测点的地理位置。如2001年提出的GeoPing算法(Padmanabhan VN,Subramanian L.An investigation of geographic mapping techniques forinternet hosts[J].ACM SIGCOMM Computer Communication Review,2001,31(4):173-185),Katz-Bassett E等人提出的Shortest Ping算法(Katz-Bassett E,John J P,Krishnamurthy A,et al.Towards IP geolocation using delay and topologymeasurements[C].Proceedings of the 6th ACM SIGCOMM Conference on InternetMeasurement 2006,ACM,2006),Gueye B等人提出的CBG算法(Gueye B,Ziviani A,Crovella M,et al.Constraint-based geolocation of internet hosts[C].AcmSigcomm Conference on Internet Measurement,ACM,2004)等。与基于空间理论的IP地址定位算法略有不同,基于概率估计的IP地址定位算法则是通过统计科学理论,分析时延与地理距离间的分布关系,来对IP地址进行定位。如Eriksson B等人提出的基于贝叶斯估计的IP地址定位算法(Eriksson B,Barford P,Sommers J,et al.A Learning-BasedApproach for IP Geolocation[C].11th Passive and Active Measurement Conference2010,Springer,2010),Maziku H等人提出的ELC算法(Maziku H,Shetty S,Han K,etal.Enhancing the classification accuracy of IP geolocation[C].2012IEEEMilitary Communications Conference(MILCOM 2012),IEEE,2012)和Laki等人提出的Spotter算法(Laki,Sándor,Mátray,Péter,Hága,Péter,et al.Spotter:A model basedactive geolocation service[J].2011Proceedings IEEE INFOCOM,2011:3173-3181)等。
目前,传统IP地址定位算法定位精度大多仅停留在城市级,定位精度低,不能满足实际应用的需求。
发明内容
本发明提出了基于邻居关系的IP地址定位方法,解决现有技术定位精度低的问题。
实现本发明的技术解决方案为:基于邻居关系的IP地址定位方法,具体步骤为:
步骤1、根据主动测量数据,定义IP地址关联度、路由路径关联度、时延关联度和路由跳数关联度;
步骤2、根据IP地址四段关联度、路由路径关联度、时延关联度和路由跳数关联度,定义IP地址的邻居关系;
步骤3、根据IP地址的邻居关系,计算待定位IP地址的邻居节点;
步骤4、根据改进的质心法,确定待定位IP地址所处的区县街道。
本发明与现有技术相比,其显著优点为:(1)定义的邻居关系考虑了IP地址分配在地理上的聚集特性,以及网络拓扑结构,改进了传统算法仅仅考虑时延所存在的不足。(2)结合空间几何的知识,实现了对IP地址所处区县街道的更高精度定位。
下面结合附图对本发明做进一步详细的描述。
附图说明
图1为本发明基于邻居关系的IP地址定位方法的示意图。
图2为本发明步骤4中改进的质心法的示意图。
图3为本发明实施例1所得到的定位误差分布情况示意图。其中横坐标为待测点序号,纵坐标为定位误差,单位为千米。图中,有56个待测点定位误差小于2千米,有69个待测点定位误差小于5千米,有90%的待测点定位误差小于20千米。
具体实施方式
基于邻居关系的IP地址定位方法,具体步骤为:
步骤1、根据主动测量数据,定义IP地址关联度、路由路径关联度、时延关联度和路由跳数关联度,具体步骤为:
步骤1.1、以本机为测量点,已知经纬度的IP地址为基准点,待定位的IP地址为待测点,通过traceroute命令,采集测量点到基准点和待测点的路由路径、时延和路由跳数;
步骤1.2、将IP地址以“.”字符为分隔符,分割为{ip1,ip2,ip3,ip4}四段,定义IP地址每段间的距离为:
distk(i,j)=IPik⊕IPjk
式中,IPik表示待测点i的第k段IP地址,IPjk表示基准点j的第k段IP地址,distk(i,j)即表示这两段IP地址间的距离。
根据distk(i,j),定义IP地址第k段的关联度为:
IPrelek(i,j)=28-1-distk(i,j)
式中,k∈{1,2,3,4};
步骤1.3、定义待测点i和基准点j路由路径间的关联度为:
Routerele(i,j)=Length(LCS(routeseqi,routeseqj))
式中,routeseqi为测量点向待测点i发起测量时,traceroute追踪到的路由路径,routeseqj为同一测量点向基准点j发起测量时,traceroute追踪到的路由路径,LCS(routeseqi,routeseqj)为routeseqi和routeseqj的最长公共子序列,路由路径关联度表示为两条路由路径间最长公共子序列的长度;
步骤1.4、定义待测点i和基准点j在时延上的关联度为:
Delayrele(i,j)=|delaysumi-delaysumj|
式中,delaysumi为测量点到待测点i的时延,delaysumj为同一测量点到基准点j的时延;
步骤1.5、定义待测点i和基准点j在路由跳数上的关联度为:
Hoprele(i,j)=|routenumi-routenumj|
式中,routenumi为测量点到待测点i的路由跳数,routenumj为同一测量点到基准点j的路由跳数。
步骤2、根据IP地址四段关联度、路由路径关联度、时延关联度和路由跳数关联度,定义IP地址的邻居关系,具体步骤为:
步骤2.1、定义待测点i的邻居关系计算式为:
neighbour(i,j)
=g(ω1IPrele1(i,j)+ω2IPrele2(i,j)+ω3IPrele3(i,j)+ω4IPrele4(i,j)+ω5Routerele(i,j)+ω6Delayrele(i,j)+ω7Hoprele(i,j)+b)
式中,g为回归函数,ωμ代表求解后第μ个特征的系数,且有1≤μ≤7,b为常数项;
步骤2.2、设定地理距离阈值DISTANCEΔ,若待测点i和基准点j间满足:
neighbour(i,j)≤DISTANCEΔ
则称基准点j和待测点i间存在邻居关系。
步骤3、根据IP地址的邻居关系,计算待定位IP地址的邻居节点,具体步骤如下:
步骤3.1、对IPrelek(i,j)进行标准化处理:
式中,k∈{1,2,3,4};
对Routerele(i,j)进行标准化处理:
对Delayrele(i,j)进行标准化处理:
对Hoprele(i,j)进行标准化处理:
式中,MAX和MIN分别为对应关联度的最大值和最小值;
步骤3.2、对于待测点i与基准点j的经纬度(loni,lati)和(lonj,latj),计算其在地理上的距离:
式中,R为地球半径。
通过随机森林回归拟合,使neighbour(i,j)的值符合DISTANCE(i,j),并且损失函数最小。
拟合后,根据邻居关系计算得到的neighbour(i,j)若满足neighbour(i,j)≤DISTANCEΔ,则基准点j是待测点i的邻居节点;
步骤3.3、对于与待测点i处于相同城市记得基准点集合P,计算其中每一个基准点j与待测点i的neighbour(i,j),得到与待测点i满足邻居关系的基准点j′集合P′,且
步骤4、根据改进的质心法,确定待定位IP地址所处的区县街道,具体步骤为:
步骤4.1、对于P′中的每一个基准点j′,将其按照neighbour(i,j′)的值进行升序排列,rankj′表示基准点j′在集合P′中的排名,toleranceΔ表示预先设定的容忍度阈值,那么确定待测点位置的步骤如下:
(1)、|P′|=0时,以集合P中neighbour(i,j)的值最小的基准点j的位置作为待测点i的定位;
(2)、|P′|≥0,并且rankj′=1的基准点j′,其neighbour(i,j′)≤toleranceΔ,则取当前基准点j′的位置作为待测点i的定位;
(3)、|P′|=2,并且对于P′中的基准点A有rankA=1且neighbour(i,A)>toleranceΔ,对于P′中基准点B有rankB=2且neighbour(i,B)≥neighbour(i,A)时,分别以基准点A和B为圆心,neighbour(i,A)和neighbour(i,B)为半径作圆CirA和CirB,则有:
1)、若圆CirA和CirB相离,则以基准点A和B的连线中点作为待测点i的定位;
2)、若圆CirA和CirB相切,则以切点位置作为待测点i的定位;
3)、若圆CirA和CirB相交且交点为IntA和IntB,则以基准点A和B的连线,与IntA和IntB的连线的交点作为待测点i的定位;
(4)、|P′|>2,并且对于tankA=1的基准点A,其neighbour(i,A)>toleranceΔ时,取P′中满足rankj′∈{1,2,3}的三个基准点A、B和C,采用改进的质心法获得待测点i经纬度,即分别连接基准点A和B得到线段AB,连基准点B和C得到线段BC,连接基准点A和C得到线段AC,在AB上取点D,BC上取点E,AC上取点F,使得:
取点D、E和F围成的三角形的质心作为待测点i的定位:
式中,loni和lati为待测点i经纬度,lonD和latD为点D经纬度,lonE和latE为点E经纬度,lonF和latF为点F经纬度;
步骤4.2、将步骤4.1中得到的待测点i经纬度通过百度地图地理编码API获得地理位置描述,确定待测点i所处的区县街道。
下面结合实施例进行更详细的描述。
实施例1
基于邻居关系的IP地址定位方法,具体步骤为:
步骤1、根据主动测量数据,定义IP地址关联度、路由路径关联度、时延关联度和路由跳数关联度,具体步骤为:
步骤1.1、以南京市内IP地址为测量点,选取了盐城市内若干IP地址作为基准点,同时从盐城市内选取100个除基准点外的IP地址作为待测点,通过traceroute命令,采集测量点到基准点和待测点的路由路径、时延和路由跳数;
表1部分主动测量数据
步骤1.2、将IP地址以“.”字符为分隔符,分割为{ip1,ip2,ip3,ip4}四段,定义IP地址每段间的距离为:
distk(i,j)=IPik⊕IPjk
式中,IPik表示待测点i的第k段IP地址,IPjk表示基准点j的第k段IP地址,distk(i,j)即表示这两段IP地址间的距离。
根据distk(i,j),定义IP地址第k段的关联度为:
IPrelek(i,j)=28-1-distk(i,j)
式中,k∈{1,2,3,4};
步骤1.3、定义待测点i和基准点j路由路径间的关联度为:
Routerele(i,j)=Length(LCS(routeseqi,routeseqj))
式中,routeseqi为测量点向待测点i发起测量时,traceroute追踪到的路由路径,routeseqj为同一测量点向基准点j发起测量时,traceroute追踪到的路由路径,LCS(routeseqi,routeseqj)为routeseqi和routeseqj的最长公共子序列,路由路径关联度表示为两条路由路径间最长公共子序列的长度;
步骤1.4、定义待测点i和基准点j在时延上的关联度为:
Delayrele(i,j)=|delaysumi-delaysumj|
式中,delaysumi为测量点到待测点i的时延,delaysumj为同一测量点到基准点j的时延。
步骤1.5、定义待测点i和基准点j在路由跳数上的关联度为:
Hoprele(i,j)=|routenumi-routenumj|
式中,routenumi为测量点到待测点i的路由跳数,routenumj为同一测量点到基准点j的路由跳数。
步骤2、根据IP地址四段关联度、路由路径关联度、时延关联度和路由跳数关联度,定义IP地址的邻居关系,具体步骤为:
步骤2.1、定义待测点i的邻居关系计算式为:
neighbour(i,j)
=g(ω1IPrele1(i,j)+ω2IPrele2(i,j)+ω3IPrele3(i,j)+ω4IPrele4(i,j)+ω5Routerele(i,j)+ω6Delayrele(i,j)+ω7Hoprele(i,j)+b)
式中,g为回归函数,ωμ代表求解后第μ个特征的系数,且有1≤μ≤7,b为常数项。
步骤2.2、地理距离阈值DISTANCEΔ=50,单位为千米。若待测点i和基准点j间满足:
neighbour(i,j)≤DISTANCEΔ
则称基准点j和待测点i间存在邻居关系。
步骤3、根据IP地址的邻居关系,计算待定位IP地址的邻居节点,具体步骤如下:
步骤3.1、对IPrelek(i,j)进行标准化处理:
式中,k∈{1,2,3,4};
对Routerele(i,j)进行标准化处理:
对Delayrele(i,j)进行标准化处理:
对Hoprele(i,j)进行标准化处理:
式中,MAX和MIN分别为对应关联度的最大值和最小值。
步骤3.2、对于待测点i与基准点j的经纬度(loni,lati)和(lonj,latj),计算其在地理上的距离:
式中,R为地球半径。
表2部分基准点经纬度
IP | 纬度 | 经度 |
222.188.95.231 | 32.84337 | 120.293 |
222.188.96.43 | 34.29041 | 120.1081 |
222.188.97.255 | 33.99851 | 119.8484 |
222.188.102.67 | 33.47256 | 119.7989 |
222.188.104.91 | 33.79294 | 119.8126 |
222.188.80.111 | 33.36447 | 120.043 |
222.188.82.63 | 33.99381 | 119.838 |
222.188.86.231 | 34.00183 | 119.8494 |
222.188.87.63 | 32.74801 | 120.8551 |
222.188.88.75 | 32.86922 | 120.3257 |
通过随机森林回归拟合,使neighbour(i,j)的值符合DISTANCE(i,j),并且损失函数最小。
拟合后,根据邻居关系计算得到的neighbour(i,j)若满足neighbour(i,j)≤DISTANCEΔ,则基准点j是待测点i的邻居节点。
表3部分标准化后的数据
步骤3.3、对于与待测点i处于相同城市记得基准点集合P,计算其中每一个基准点j与待测点i的neighbour(i,j),得到与待测点i满足邻居关系的基准点j′集合P′,且
步骤4、根据改进的质心法,确定待定位IP地址所处的区县街道,具体步骤为:
步骤4.1、对于P′中的每一个基准点j′,将其按照neighbour(i,j′)的值进行升序排列,rankj′表示基准点j′在集合P′中的排名,toleranceΔ表示预先设定的容忍度阈值,实例中取toleranceΔ=2,单位为千米,那么确定待测点位置的步骤如下:
(1)、|P′|=0时,以集合P中neighbour(i,j)的值最小的基准点j的位置作为待测点i的定位。
(2)、|P′|≥0,并且rankj′=1的基准点j′,其neighbour(i,j′)≤toleranceΔ,则取当前基准点j′的位置作为待测点i的定位。
(3)、|P′|=2,并且对于P′中的基准点A有rankA=1且neighbour(i,A)>toleranceΔ,对于P′中基准点B有rankB=2且neighbour(i,B)≥neighbour(i,A)时,分别以基准点A和B为圆心,neighbour(i,A)和neighbour(i,B)为半径作圆CirA和CirB,则有:
1)、若圆CirA和CirB相离,则以基准点A和B的连线中点作为待测点i的定位;
2)、若圆CirA和CirB相切,则以切点位置作为待测点i的定位;
3)、若圆CirA和CirB相交且交点为IntA和IntB,则以基准点A和B的连线,与IntA和IntB的连线的交点作为待测点i的定位。
(4)、|P′|>2,并且对于rankA=1的基准点A,其neighbour(i,A)>toleranceΔ时,取P′中满足rankj′∈{1,2,3}的三个基准点A、B和C,采用改进的质心法获得待测点i经纬度,即分别连接基准点A和B得到线段AB,连基准点B和C得到线段BC,连接基准点A和C得到线段AC,在AB上取点D,BC上取点E,AC上取点F,使得:
取点D、E和F围成的三角形的质心作为待测点i的定位:
式中,loni和lati为待测点i经纬度,lonD和latD为点D经纬度,lonE和latE为点E经纬度,lonF和latF为点F经纬度。
步骤4.2、将步骤4.1中得到的待测点i经纬度通过百度地图地理编码API获得地理位置描述,确定待测点i所处的区县街道。
表4区县街道级定位结果横向对比
部分待测点的定位结果如表4所示。由表4的定位结果对比可知,在区县级定位上,本发明的定位结果与主流IP地址库结果基本一致,并且本发明的定位精度更高,可以实现对于IP地址所处街道的定位。
Claims (4)
1.基于邻居关系的IP地址定位方法,具体步骤为:
步骤1、根据主动测量数据,定义IP地址关联度、路由路径关联度、时延关联度和路由跳数关联度;
步骤2、根据IP地址四段关联度、路由路径关联度、时延关联度和路由跳数关联度,定义IP地址的邻居关系;
步骤3、根据IP地址的邻居关系,计算待定位IP地址的邻居节点;
步骤4、根据改进的质心法,确定待定位IP地址所处的区县街道;
其中,所述步骤4的具体步骤为:
步骤4.1、对于P′中的每一个基准点j′,将其按照neighbour(i,j′)的值进行升序排列,Tankj′表示基准点j′在集合P′中的排名,toleranceΔ表示预先设定的容忍度阈值,确定待测点位置的步骤如下:
1)、|P′|=0时,以集合P中neighbour(i,j)的值最小的基准点j的位置作为待测点i的定位;
2)、|P′|≥0,并且rankj′=1的基准点j′,其neighbour(i,j′)≤toleranceΔ,则取当前基准点j′的位置作为待测点i的定位;
3)、|P′|=2,并且对于P′中的基准点A有rankA=1且neighbour(i,A)>toleranceΔ,对于P′中基准点B有rankB=2且neighbour(i,B)≥neighbour(i,A)时,分别以基准点A和B为圆心,neighbour(i,A)和neighbour(i,B)为半径作圆CirA和CirB,则有:
1)、若圆CirA和CirB相离,则以基准点A和B的连线中点作为待测点i的定位;
2)、若圆CirA和CirB相切,则以切点位置作为待测点i的定位;
3)、若圆CirA和CirB相交且交点为IntA和IntB,则以基准点A和B的连线,与IntA和IntB的连线的交点作为待测点i的定位;
4)、|P′|>2,并且对于rankA=1的基准点A,其neighbour(i,A)>toleranceΔ时,取P′中满足rankj′∈{1,2,3}的三个基准点A、B和C,采用改进的质心法获得待测点i经纬度,即分别连接基准点A和B得到线段AB,连基准点B和C得到线段BC,连接基准点A和C得到线段AC,在AB上取点D,BC上取点E,AC上取点F,使得:
取点D、E和F围成的三角形的质心作为待测点i的定位:
式中,loni和lati为待测点i经纬度,lonD和latD为点D经纬度,lonE和latE为点E经纬度,lonF和latF为点F经纬度;
步骤4.2、将步骤4.1中得到的待测点i经纬度通过百度地图地理编码API获得地理位置描述,确定待测点i所处的区县街道。
2.根据权利要求1所述的IP地址定位方法,其特征在于,步骤1中根据主动测量数据,定义IP地址关联度、路由路径关联度、时延关联度和路由跳数关联度的具体步骤为:
步骤1.1、以本机为测量点,己知经纬度的IP地址为基准点,待定位的IP地址为待测点,通过traceroute命令,采集测量点到基准点和待测点的路由路径、时延和路由跳数;
步骤1.2、将IP地址以“.”字符为分隔符,分割为{ip1,ip2,ip3,ip4}四段,定义IP地址每段间的距离distk(i,j)和IP地址第k段的关联度IPrelek(i,j);
步骤1.3、定义待测点i和基准点j路由路径间的关联度Routerele(i,j);
步骤1.4、定义待测点i和基准点j在时延上的关联度Delayrele(i,j);
步骤1.5、定义待测点i和基准点j在路由跳数上的关联度Hoprele(i,j)。
3.根据权利要求1所述的IP地址定位方法,其特征在于,步骤2根据IP地址四段关联度、路由路径关联度、时延关联度和路由跳数关联度,定义IP地址的邻居关系的具体步骤为:
步骤2.1、定义待测点i的邻居关系计算式neighbour(i,j);
步骤2.2、设定地理距离阈值DISTANCEΔ,判断基准点j和待测点i间邻居关系。
4.根据权利要求1所述的IP地址定位方法,其特征在于,步骤3根据IP地址的邻居关系,计算待定位IP地址的邻居节点的具体步骤为:
步骤3.1、对IPrelek(i,j)、Routerele(i,j)、Delayrele(i,j)和Hoprele(i,j)进行标准化处理;
步骤3.2、对于待测点i与基准点j的经纬度(loni,lati)和(lonj,latj),计算其在地理上的距离DISTANCE(i,j),通过随机森林回归拟合。拟合后,根据邻居关系计算得到的neighbour(i,j)若满足neighbour(i,j)≤DISTANCEΔ,则基准点j是待测点i的邻居节点;
步骤3.3、对于与待测点i处于相同城市记得基准点集合P,计算其中每一个基准点j与待测点i的neighbour(i,j),得到与待测点i满足邻居关系的基准点j′集合P′,且
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010360534.0A CN111711707B (zh) | 2020-04-30 | 2020-04-30 | 基于邻居关系的ip地址定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010360534.0A CN111711707B (zh) | 2020-04-30 | 2020-04-30 | 基于邻居关系的ip地址定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111711707A CN111711707A (zh) | 2020-09-25 |
CN111711707B true CN111711707B (zh) | 2023-08-08 |
Family
ID=72536755
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010360534.0A Active CN111711707B (zh) | 2020-04-30 | 2020-04-30 | 基于邻居关系的ip地址定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111711707B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112215358B (zh) * | 2020-12-09 | 2021-03-05 | 戎腾科技(长沙)有限公司 | 一种基于随机森林的ip定位方法及系统 |
CN113395211B (zh) * | 2021-06-08 | 2022-11-18 | 哈尔滨工业大学(威海) | 一种基于聚类思想的路由ip定位优化方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104697517A (zh) * | 2015-03-26 | 2015-06-10 | 江南大学 | 一种室内停车场多目标跟踪定位系统 |
CN105577477A (zh) * | 2015-12-28 | 2016-05-11 | 哈尔滨工业大学 | 使用概率模型的基于测量的ip地址地理定位系统 |
CN108011987A (zh) * | 2017-10-11 | 2018-05-08 | 北京三快在线科技有限公司 | Ip地址定位方法及装置,电子设备及存储介质 |
CN110474843A (zh) * | 2019-07-03 | 2019-11-19 | 上海交通大学 | 基于路由跳数的ip定位方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110029398A1 (en) * | 2009-07-31 | 2011-02-03 | Wesley John Boudville | Geo name service for validated locations and occupants and URLs |
-
2020
- 2020-04-30 CN CN202010360534.0A patent/CN111711707B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104697517A (zh) * | 2015-03-26 | 2015-06-10 | 江南大学 | 一种室内停车场多目标跟踪定位系统 |
CN105577477A (zh) * | 2015-12-28 | 2016-05-11 | 哈尔滨工业大学 | 使用概率模型的基于测量的ip地址地理定位系统 |
CN108011987A (zh) * | 2017-10-11 | 2018-05-08 | 北京三快在线科技有限公司 | Ip地址定位方法及装置,电子设备及存储介质 |
CN110474843A (zh) * | 2019-07-03 | 2019-11-19 | 上海交通大学 | 基于路由跳数的ip定位方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111711707A (zh) | 2020-09-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Laki et al. | Spotter: A model based active geolocation service | |
US8180887B2 (en) | Geolocation mapping of network devices | |
US7296088B1 (en) | System and method for determining the geographic location of internet hosts | |
Gueye et al. | Constraint-based geolocation of internet hosts | |
US9515889B2 (en) | Geographic location system and method | |
CN104506591B (zh) | 一种基于最近共同路由器的目标ip地理位置定位方法 | |
US9729504B2 (en) | Method of near real-time automated global geographical IP address discovery and lookup by executing computer-executable instructions stored on a non-transitory computer-readable medium | |
US8243730B1 (en) | Geographically localizing mobile communication devices | |
US8655372B2 (en) | Determining positions in a wireless radio system | |
CN111711707B (zh) | 基于邻居关系的ip地址定位方法 | |
Liu et al. | Mining checkins from location-sharing services for client-independent ip geolocation | |
CN110474843B (zh) | 基于路由跳数的ip定位方法 | |
Eriksson et al. | Posit: a lightweight approach for IP geolocation | |
CN114520799B (zh) | 基于最小圆覆盖的城市内ip定位及误差估计方法及系统 | |
Zhao et al. | IP Geolocation based on identification routers and local delay distribution similarity | |
Ciavarrini et al. | Smartphone-based geolocation of Internet hosts | |
CN111064817B (zh) | 一种基于节点排序的城市级ip定位方法 | |
Chen et al. | Towards IP location estimation using the nearest common router | |
US20210234790A1 (en) | Geolocation system and method | |
Hillmann et al. | On the path to high precise ip geolocation: A self-optimizing model | |
Eriksson et al. | Posit: An adaptive framework for lightweight ip geolocation | |
Gueye et al. | Leveraging buffering delay estimation for geolocation of Internet hosts | |
CN105245628B (zh) | 一种适用于弱连接网络的网络实体地理位置定位方法 | |
CN113824810A (zh) | 一种目标驱动的ip地址地理位置推断方法 | |
Hillmann et al. | Dragoon: advanced modelling of IP geolocation by use of latency measurements |
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 |