[发明专利]一种IPv6网络拓扑测量目标选取方法有效

专利信息
申请号: 202010754110.2 申请日: 2020-07-30
公开(公告)号: CN111901201B 公开(公告)日: 2021-09-28
发明(设计)人: 郑儿;张宇;产毛宁;张尼;薛继东;苏马婧;孙彻;贾召鹏 申请(专利权)人: 中国电子信息产业集团有限公司第六研究所;哈尔滨工业大学
主分类号: H04L12/26 分类号: H04L12/26;H04L12/24;H04L29/12
代理公司: 黑龙江立超同创知识产权代理有限责任公司 23217 代理人: 杨立超;王大为
地址: 102209 北京市昌平区北*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 ipv6 网络 拓扑 测量 目标 选取 方法
【说明书】:

一种IPv6网络拓扑测量目标选取方法,涉及IPv6网络拓扑测量领域。本发明的目的是为了提高IPv6网络拓扑测量的有效性和完整性。本发明的主要步骤包括:多源收集IPv6存活地址列表并融合;用融合的IPv6存活地址列表作为IPv6存活地址前缀列表的预测算法的输入,得到预测的IPv6存活地址前缀列表;利用综合的目标地址生成方法得到最终的IPv6网络拓扑测量目标。本发明方法能够有效提高IPv6网络拓扑测量的有效性和完整性,即在IPv6巨大的地址空间中选取较少的目标,能相比通常均匀随机抽样的方法明显提高拓扑完整性。本发明用于IPv6网络拓扑测量目标的选取。

技术领域

本发明涉及一种IPv6网络拓扑测量目标的选取方法,涉及IPv6网络拓扑测量领域。

背景技术

当前,IPv6部署已经突飞猛进,了解其拓扑结构有非常重要的意义,但IPv6网络拓扑测量有着三大挑战,首先是IPv6地址空间巨大,整个地址数有2128个,现已分配超过2118个,无法全网探测;其次是IPv6地址规划复杂,地址空间划分政策多样,难以找到通用的目标采样方法;最后是IPv6地址实际使用率低,普查式的拓扑测量效率低下。IPv6网络拓扑测量目标选取一般采用均匀随机抽样的方法,但实践中不能细抽样地粒度,而且存在大量无效探测。另一方面,通过研究IPv6存活地址列表(Hitlist)技术,即收集一组能近似覆盖IPv6网络的存活地址来表征IPv6地址空间,Gasser等[1]从均衡性和无偏性的角度提出了TUM Hitlist,但其核心目标是IPv6网络主机发现而非网络拓扑发现,没有将IPv6存活地址列表用于IPv6网络拓扑测量目标的选取。而在IPv6地址生成的方向,Foremski等[2]提出了Entropy/IP系统,使用了聚类分析和贝叶斯模型的机器学习技术来发现IPv6地址结构,类似工作还有6Gen[3],它们的本质核心仍然是IPv6网络主机发现而非拓扑发现。因此说,现有技术针对IPv6网络拓扑测量中关于目标选取的问题仍未得到解决。

发明内容

本发明的目的是基于IPv6存活地址列表,提供一种IPv6网络拓扑测量目标选取方法来提高IPv6网络拓扑测量的有效性和完整性。

本发明为解决上述技术问题采取的技术方案是:

一种IPv6网络拓扑测量目标选取方法,本发明总体流程如图1所示,所述方法的实现过程为:

(1)多源收集IPv6存活地址列表并融合:

收集的来源包括DNS相关的数据库(比如DNSDB和Rapid7)、主动测量平台CAIDAArk、综合地址采集项目TUM Hitlists、开放的网站接口Bitnode API和被动流量获取(如CDN的流量)中的两种以上;

分别从不同来源中提取IPv6地址对应形成不同的地址集,并根据IANA提供的最新全球单播地址分配做过滤,再合并这些地址集得到融合的IPv6存活地址列表;

(2)用融合的IPv6存活地址列表作为IPv6存活地址前缀列表的预测算法的输入,得到预测的IPv6存活地址前缀列表;

IPv6存活地址前缀列表的预测算法的流程为:

针对特定IPv6可路由前缀R下的目标网络,根据R包含的从IPv6存活地址列表HL中提取的IPv6存活地址前缀列表,预测固定长度为L的IPv6存活地址前缀列表。R的长度LR∈[32,64],L∈{40,48,...,64},对于用32位16进制数xj表示的IPv6地址Xi,则包含n个地址的HL形式化表示:

HL={X1,X2,...,Xi,...,Xn}

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国电子信息产业集团有限公司第六研究所;哈尔滨工业大学,未经中国电子信息产业集团有限公司第六研究所;哈尔滨工业大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010754110.2/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top