CN115102925B - 基于IP2vec模型的街道级IP定位方法 - Google Patents

Abstract

本发明属于IP定位技术领域，特别涉及一种基于IP2vec模型的街道级IP定位方法，部署若干探测源和地标，通过探测源获取网络节点的时延路径信息，并构建具有时延特性的网络拓扑；针对网络拓扑及节点间网络时延，通过IP2vec模型获取每个IP的节点向量表示；将网络拓扑中地标节点向量表示作为输入，将相应地标经纬度作为输出，来训练神经网络；并将目标IP的节点向量表示输入至训练后的神经网络中，利用训练后的神经网络来输出目标IP的地理位置。本发明利用节点拓扑特性和节点间时延约束，使得节点向量蕴含节点间的连接关系和地理上的远近程度等信息，通过已知经纬度的地标节点可以准确推断出目标IP的地理位置，降低定位误差，提升定位效果，便于实际场景应用。

Description

基于IP2vec模型的街道级IP定位方法

技术领域

本发明属于IP定位技术领域，特别涉及一种基于IP2vec模型的街道级IP定位方法。

背景技术

IP定位技术，是通过网络测量、数据库查询等手段，确定一个IP地址对应的设备所在地理位置的一种技术。对高精准、高可靠性的街道级IP定位技术进行研究具有重要的现实意义。基于网络测量的街道级IP定位技术根据定位方式不同，可以分为两大类：一类是基于地标位置估计的街道级IP定位算法，其基本原理是将与目标网络环境最为相近的地标作为目标的位置估计。其中，SLG算法利用探测源测量目标IP的绝对时延转化为的距离将目标IP的位置约束到一个较小范围，之后测量该范围内的地标，将与目标IP相对时延最小的地标作为目标IP的位置估计；IP-geolocater算法是对SLG算法在不同网络环境下的改进。IP-geolocater算法在SLG算法的基础上增加了误差范围估计功能，提高了定位结果的可靠性，IP-geolocater算法属于特殊情况下的SLG定位算法，都是依赖于地标的地理位置对目标进行位置估计。此类算法的定位精度虽然可以达到街道级，但其没有用到网络本身的特性，只利用了局部信息，定位精度受限于作为目标位置估计的地标或路由器与目标的真实距离，当作为目标位置估计的地标或路由器距离目标较远时，目标的定位误差将会很大，这给定位带来一些不准确性。

现有基于机器学习的IP定位算法，主要利用神经网络等机器学习模型学习地标和目标的时延、跳数等网络属性与其相应地理位置的映射关系。例如，TNN(IP geolocationbased with Two-tierd Neural Networks)算法基于被探测源测量时延相似的主机其地理位置也相近的假设，采用神经网络学习时延和经纬度的映射关系，可以实现街道级定位。但是，探测源测量IP的时延只能体现出探测源与IP的距离，无法体现出IP位于探测源的方位，从而时延相似的IP位置并不一定邻近，因此仅依赖时延信息进行定位其可靠性值得商榷；Hop-Hot算法利用Hop-Hot编码算法实现了将路径进行编码，使其可以量化路径相似度，该算法结合了时延的距离性和路径的方向性，大幅降低了定位误差，但是这种算法提取了路径中所有路由器，所构成的向量维度高且稀疏，并且对路径中的单跳时延无法表示，其定位精度需要进一步提高。与基于地标位置估计的街道级IP定位算法相比，此类算法的定位精度不受限于与目标最邻近的单一地标，而是将大量地标的时延、路径向量输入神经网络，学习到时延、路径向量与地理位置之间的映射关系进行定位，其定位误差相对较低。但是这类算法只对探测源到终端节点的时延和路径进行了表示，对于网络拓扑中任意两个节点间的时延与连接关系无法准确表示。如何表征拓扑中所有节点的连接关系和任意两节点之间的时延，寻找更精准的节点表示向量，并获取节点向量与其地理位置的映射关系，是进一步降低定位误差的关键。

发明内容

为此，本发明提供一种基于IP2vec模型的街道级IP定位方法，利用节点拓扑特性和节点间时延约束，使得节点向量蕴含节点间的连接关系和地理上的远近程度等信息，通过已知经纬度的地标节点可以准确推断出目标IP的地理位置，降低定位误差，提升定位效果，便于实际场景应用。

按照本发明所提供的设计方案，提供一种基于IP2vec模型的街道级IP定位方法，包含如下内容：

部署若干探测源和地标，通过探测源获取网络节点的时延路径信息，并构建具有时延特性的网络拓扑，其中，网络节点包含：地标、目标IP及探测路径中的路由器；

针对网络拓扑及节点间网络时延，通过IP2vec模型获取每个IP的节点向量表示；

将网络拓扑中地标节点向量表示作为输入，将相应地标经纬度作为输出，来训练神经网络；并将目标IP的节点向量表示输入至训练后的神经网络中，利用训练后的神经网络来输出目标IP的地理位置。

作为本发明基于IP2vec模型的街道级IP定位方法，进一步地，利用探测源对每个地标和目标IP进行r次测量来获取地标和目标IP的时延路径信息，其中，r为大于1的整数。

作为本发明基于IP2vec模型的街道级IP定位方法，进一步地，构建的网络拓扑表示为G＝(V,E)，并利用最短路径算法计算网络拓扑中任意两节点之间的最小时延，将该最小时延作为对应节点间的网络时延。

作为本发明基于IP2vec模型的街道级IP定位方法，进一步地，IP2vec模型中，利用聚团优先游走策略对网络拓扑进行游走，对游走序列进行向量表示，使结构上邻近的节点之间具有相似向量；并利用网络时延来约束节点向量，以获取同时反映节点在地理空间上相对位置和拓扑空间中邻近特性的节点向量表示。

作为本发明基于IP2vec模型的街道级IP定位方法，进一步地，利用聚团优先游走策略对网络拓扑进行游走中，针对网络拓扑中每一个节点进行游走，依据节点之间跳转概率获取节点游走序列集合；将每一个游走序列作为文本句子，节点作为单词，利用改进后的Skip-Gram模型并通过目标函数的模型求解来获取每个IP的节点向量表示。

作为本发明基于IP2vec模型的街道级IP定位方法，进一步地，改进后的Skip-Gram模型的目标函数表示为：

其中，V表示网络拓扑中节点集合，u和v为网络拓扑中的节点，N(u)表示u节点在游走序列中邻居节点集合，Φ(u)和Φ(v)分别为节点u和v的向量，D_u,v表示节点u和v之间的最小时延，ω表示控制节点结构邻近度和节点距离相近度对节点向量影响程度的参数，λ为向量差值和节点间时延的比例系数参数。

作为本发明基于IP2vec模型的街道级IP定位方法，进一步地，针对改进后的Skip-Gram模型，通过梯度下降法进行模型求解，将目标函数达到最大时的节点向量集合作为要获取对应IP的节点向量表示。

作为本发明基于IP2vec模型的街道级IP定位方法，进一步地，节点间跳转概率计算中，利用公式

来计算节点v到节点x跳转概率π，其中，W表示当前游走序列中已生成的节点集合，Z为归一化常量，H_t,x表示节点x到节点t的最小跳数。

本发明的有益效果：

本发明根据IP节点之间的连接关系和时延对IP节点进行表示，使IP向量之间的相似程度能够体现IP节点间的距离相近度和结构邻近度，进而使IP向量能够体现IP节点在逻辑拓扑和地理空间中相对位置。利用该模型进行地理定位时，将地标节点的向量作为输入，相应的经纬度作为输出训练神经网络，使神经网络能够学习到节点向量和节点真实地理位置之间的映射关系；再将目标IP的向量输入神经网络，即可得到目标IP的地理位置，降低定位误差，提升定位效果；并进一步结合试验数据表明，本案方案能够有效降低定位误差，具有较好的实用性。

附图说明：

图1为实施例中基于IP2vec模型的街道级IP定位流程示意；

图2为实施例中IP2vec模型原理示意；

图3为实施例中本案定位算法原理示意；

图4为实施例中定位误差累计分布示意；

图5为实施例中不同ω参数下定位误差中值误差和平均误差分布示意；

图6为实施例中定位误差累计分布比对示意。

具体实施方式：

为使本发明的目的、技术方案和优点更加清楚、明白，下面结合附图和技术方案对本发明作进一步详细的说明。

IP定位技术在商业、网络安全等领域十分重要。然而，现有IP定位算法无法将节点间时延的距离特性和节点的拓扑邻近性进行有效利用，难以获取节点间连接关系、时延与节点经纬度的准确映射关系，从而使定位误差较高。本发明实施例，参见图1所示，提供一种基于IP2vec模型的街道级IP定位方法，包含如下内容：

S101、部署若干探测源和地标，通过探测源获取网络节点的时延路径信息，并构建具有时延特性的网络拓扑，其中，网络节点包含：地标、目标IP及探测路径中的路由器；

S102、针对网络拓扑及节点间网络时延，通过IP2vec模型获取每个IP的节点向量表示；

S103、将网络拓扑中地标节点向量表示作为输入，将相应地标经纬度作为输出，来训练神经网络；并将目标IP的节点向量表示输入至训练后的神经网络中，利用训练后的神经网络来输出目标IP的地理位置。

根据节点间的连接关系和时延对节点进行向量化表示，使节点向量能够体现出IP节点间的结构邻近性和距离相近性；利用的节点拓扑特性和节点间时延约束，使得节点向量蕴含节点间的连接关系和地理上的远近程度等信息，通过已知经纬度的地标节点可以准确推断出目标IP的地理位置，降低定位误差，提升定位精准度，便于实际IP定位场景应用。

进一步地，本案实施例中，利用探测源对每个地标和目标IP进行r次测量来获取地标和目标IP的时延路径信息，其中，r为大于1的整数。构建的网络拓扑可表示为G＝(V,E)，并利用最短路径算法计算网络拓扑中任意两节点之间的最小时延，将该最小时延作为对应节点间的网络时延。

IP2vec模型中，利用聚团优先游走策略对网络拓扑进行游走，对游走序列进行向量表示，使结构上邻近的节点之间具有相似向量；并利用网络时延来约束节点向量，以获取同时反映节点在地理空间上相对位置和拓扑空间中邻近特性的节点向量表示。进一步地，利用聚团优先游走策略对网络拓扑进行游走中，针对网络拓扑中每一个节点进行游走，依据节点之间跳转概率获取节点游走序列集合；将每一个游走序列作为文本句子，节点作为单词，利用Skip-Gram模型并通过目标函数的模型求解来获取每个IP的节点向量表示。

参见图2所示，IP2vec节点表示模型包括聚团优先游走策略和基于时延和结构邻近度的约束。基于节点在网络结构中是否相邻可以反映出节点在拓扑上的邻近性，本案方案中，可对Node2vec的游走方式进行改进，利用聚团优先游走策略对网络拓扑进行游走，并可利用Skip-gram思想对游走序列进行向量表示，使结构上邻近的节点其向量是相似的；基于网络时延可以反映两个IP节点在地理上远近(即相对距离)的特性，本案实施例中，利用网络时延来约束节点的向量，使得节点的表示向量能够同时反映节点在地理空间上的相对位置和拓扑空间中的邻近特性。具体可分为节点游走和基于时延和结构邻近度的约束两步，因此，基于IP2vec模型来获取节点向量表示的步骤可描述如下：

输入：网络拓扑G＝(V,E)，节点间的最小时延集合{D_u,v,u,v∈V}。

输出：每个IP节点的向量{Φ(v),v∈V}。

Step 1节点游走。针对拓扑中每一个节点v∈V进行游走，设置节点v到节点x跳转概率π为

其中W表示当前游走序列中已生成的节点集合，Z为归一化常量，H_t,x表示节点x到节点t的最小跳数，当x＝t时，H_t,x＝0。得到节点游走序列集合Sequence＝{S₁,S₂,...,S_n}。

Step 2生成节点表示向量。利用Skip-Gram思想将每一个游走序列S_i∈Sequence视为文本中的句子，其中的节点视为单词，初始化每个节点的表示向量Φ(v),v∈V。设置目标函数为

其中，V表示图中的节点集合，u和v为图中的节点，N(u)表示u节点在游走序列中邻居节点集合。Φ(u)和Φ(v)分别为节点u和v的向量。D_u,v表示节点u和v之间的最小时延。ω参数控制节点结构邻近度和节点距离相近度对节点向量的影响程度，λ参数为向量差值和节点间时延的比例系数。可通过梯度下降法，寻找使式(2)达到最大时的节点向量集合{Φ(v),v∈V}作为最终输出。

IP定位中，利用地标训练神经网络，使神经网络学习到地标节点的表示向量与其地理位置的映射关系；然后，将目标IP的表示向量输入神经网络后即可获得目标的准确位置。参见图3所示，本案实施例中IP定位算法步骤可设计为包括：探测源到IP的时延、路径信息获取，网络拓扑图构建，IP2vec节点向量化表示，目标定位。具体可描述如下：

Step 1:时延路径信息获取。部署n个探测源和m个地标{IP_i,i＝1,2,...,m}，将地标的地理位置记录为Location(IP_i),i＝1,2,...,m，利用探测源对地标集合{IP_i,i＝1,2,...,m}和目标IP_T进行r次网络测量，获取时延和路径信息；从r次测量中取最小时延作为探测源到该节点的网络时延，记探测源p到节点q的最小时延为

D_p,q＝min{d_i,p,q,i＝1,2,...,r}. (3)

其中d_i,p,q为第i次探测中，探测源p到节点q的时延，节点包括地标、目标和探测路径中的路由器。部署多个探测源的目的是为了获取探测源到目标及地标的路径和时延，进而丰富算法步骤2构建具有时延特性的网络拓扑，以提升训练数据的多样性。

Step 2:网络拓扑构建。根据网络测量的路径，得到节点之间的连接关系，进而构建具备时延特性的网络拓扑图G＝(V,E)。记相邻节点q和e间的最小时延

D_q,e＝min{|D_p,q-D_p,e|,p＝1,2,...,n}. (4)

根据D_q,e，利用最短路径算法计算拓扑图中任意节点u和v之间的最小时延D_u,v。受网络多种因素的影响，网络时延很难测准，此处仅用多次测量的结果得到的最小时延近似表达节点间的网络时延。由于时延可以表示节点间距离的远近，因此，可利用最短路径算法统一节点间时延的计量。

Step 3:获取IP节点表示向量。将网络拓扑图和节点间的最小时延集合{D_u,v,u,v∈V}输入IP2vec模型，得到其中每个IP节点的表示向量{Φ(v),v∈V}。该向量能体现网络中任两个节点在拓扑上的邻近性和空间上的远近。

Step 4:目标IP定位。将网络拓扑中地标节点的向量Φ(IP_i),i＝1,2,...,m作为输入，相应地标的经纬度Location(IP_i),i＝1,2,...,m作为输出，训练神经网络；将目标节点的向量Φ(IP_T)输入训练好的神经网络，得到目标的地理位置。

为验证本案方案有效性，下面结合试验数据做进一步解释说明：

实验相关设置如表1所示，采用位于北京、成都、上海、武汉、华盛顿、硅谷、纽约、亚特兰大、西雅图九个探测源，对纽约2038个可测通街道级地标，进行持续14天共计8900次traceroute测量，得到大量的路径和时延信息。

表1实验设置

基于表1中的实验设置进行定位算法的效果验证，采用五折交叉验证，每次随机选取80％的地标作为训练集的候选集用于训练神经网络，将剩余的20％的地标(共1883个)作为未知目标用于定位验证。并设置参数ω的取值范围从0到1，步长为0.1。表2给出不同定位参数ω条件下对目标的定位效果。

表2不同定位参数ω的定位效果

图4是目标在不同定位参数ω下的定位误差累计分布，其中，短线状虚线表示参数ω为0的时候的定位误差分布，点状虚线表示参数ω为0.3时的定位误差分布，黑色的直线ω为0.6时的定位误差分布，灰色直线表示参数ω为1时的定位误差分布。参数为0表示在定位时仅考虑结构邻近度，不考虑时延相近性；参数为1表示在定位时仅考虑时延相近性，不考虑结构邻近度。从图和表中可以看出，本案算法在向量优化过程中增加了时延约束后，可以明显降低定位中值误差，提高定位的可靠性。但是当ω设置较大时，误差会提升，这是由于在测量过程中时延可能出现抖动，对一些节点位置的预测会产生影响。因此，在实际定位时，ω设置不能过大。

图5中，点状折线表示平均误差，圈状折线表示中值误差，从图中可以看出。随着ω参数的增大，平均误差和中值误差都有先降低后增高的趋势，这是由于节点的地理位置是由结构邻近度和距离相近度共同决定的：如果ω参数较小，则节点向量的结构邻近度体现较多，节点向量对节点之间的相对距离就体现不好，不能很好的体现节点之间的地理位置；如果ω参数较大，则节点向量的距离相近度体现较多，结构邻近度体现较少，由于网络结构错综复杂，路由存在迂回情况，网络时延距离必须结合网络本身的连接关系才能更好的反映出节点之间的实际距离，因此，节点向量对结构邻近度不能很好反应时，节点的地理位置仍然无法准确确定。根据上表和图可知，ω设置为0.1到0.5的范围内时，算法可以使预测出的节点向量既能体现结构相似性又能体现距离相近度，从而达到较好的定位效果。

进一步，将本案算法与现有的SLG算法、IP-geolcater算法和Hop-hot编码算法在目标和地标相同的情况下进行定位效果比较。图6给出了本案算法在较优定位参数下(设置ω为0.3)与SLG算法、IP-geolcater算法和Hop-hot算法的定位累积分布对比。其中，黑色线条表示本案算法定位的误差累积分布，灰色虚线表示IP-geolocater算法定位的误差累积分布，深灰色虚线和点状虚线分别描述采用SLG算法、HopHot编码算法定位的误差累积分布。表3给出了本案算法在最优参数时与SLG算法、HopHot算法和IP-geolocater算法的定位误差对比。

表3定位误差对比

由表3和图6可知，本案算法的中值误差、平均误差和最大误差都优于已有典型街道级算法，具有较好的定位效果。

除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对步骤、数字表达式和数值并不限制本发明的范围。

最后应说明的是：以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。

Claims (7)

1.一种基于IP2vec模型的街道级IP定位方法，其特征在于，包含如下内容：

部署若干探测源和地标，通过探测源获取网络节点的时延路径信息，并构建具有时延特性的网络拓扑，其中，网络节点包含：地标、目标IP及探测路径中的路由器；

针对网络拓扑及节点间网络时延，通过IP2vec模型获取每个IP的节点向量表示；其中，IP2vec模型中，利用聚团优先游走策略对网络拓扑进行游走，对游走序列进行向量表示，使结构上邻近的节点之间具有相似向量；并利用网络时延来约束节点向量，以获取同时反映节点在地理空间上相对位置和拓扑空间中邻近特性的节点向量表示；

将网络拓扑中地标节点向量表示作为输入，将相应地标经纬度作为输出，来训练神经网络；并将目标IP的节点向量表示输入至训练后的神经网络中，利用训练后的神经网络来输出目标IP的地理位置。

2.根据权利要求1所述的基于IP2vec模型的街道级IP定位方法，其特征在于，利用探测源对每个地标和目标IP进行r次测量来获取地标和目标IP的时延路径信息，其中，r为大于1的整数。

3.根据权利要求1所述的基于IP2vec模型的街道级IP定位方法，其特征在于，构建的网络拓扑表示为G＝(V,E)，并利用最短路径算法计算网络拓扑中任意两节点之间的最小时延，将该最小时延作为对应节点间的网络时延。

4.根据权利要求1所述的基于IP2vec模型的街道级IP定位方法，其特征在于，利用聚团优先游走策略对网络拓扑进行游走中，针对网络拓扑中每一个节点进行游走，依据节点之间跳转概率获取节点游走序列集合；将每一个游走序列作为文本句子，节点作为单词，利用Skip-Gram模型并通过改进后的目标函数的模型求解来获取每个IP的节点向量表示。

5.根据权利要求4所述的基于IP2vec模型的街道级IP定位方法，其特征在于，设置改进后的Skip-Gram模型的目标函数表示为：

其中，V表示网络拓扑中节点集合，u和v为网络拓扑中的节点，N(u)表示u节点在游走序列中邻居节点集合，Φ(u)和Φ(v)分别为节点u和v的向量，D_u,v表示节点u和v之间的最小时延，ω表示控制节点结构邻近度和节点距离相近度对节点向量影响程度的参数，λ为向量差值和节点间时延的比例系数参数。

6.根据权利要求4所述的基于IP2vec模型的街道级IP定位方法，其特征在于，针对Skip-Gram模型，通过梯度下降法进行模型求解，将目标函数达到最大时的节点向量集合作为要获取对应IP的节点向量表示。

7.根据权利要求4所述的基于IP2vec模型的街道级IP定位方法，其特征在于，节点间跳转概率计算中，利用公式

来计算节点v到节点x跳转概率π，其中，W表示当前游走序列中已生成的节点集合，Z为归一化常量，H_t,x表示节点x到节点t的最小跳数。

Images