CN112381160A - 一种节点身份信息获取方法、装置、存储介质及电子设备 - Google Patents

一种节点身份信息获取方法、装置、存储介质及电子设备 Download PDF

Info

Publication number
CN112381160A
CN112381160A CN202011296851.7A CN202011296851A CN112381160A CN 112381160 A CN112381160 A CN 112381160A CN 202011296851 A CN202011296851 A CN 202011296851A CN 112381160 A CN112381160 A CN 112381160A
Authority
CN
China
Prior art keywords
neighbor
node
target node
downlink
uplink
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
Application number
CN202011296851.7A
Other languages
English (en)
Other versions
CN112381160B (zh
Inventor
杨旭
蔡自彬
陈静悦
侯静怡
金黎明
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Knownsec Information Technology Co Ltd
Original Assignee
Beijing Knownsec Information Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Knownsec Information Technology Co Ltd filed Critical Beijing Knownsec Information Technology Co Ltd
Priority to CN202011296851.7A priority Critical patent/CN112381160B/zh
Publication of CN112381160A publication Critical patent/CN112381160A/zh
Application granted granted Critical
Publication of CN112381160B publication Critical patent/CN112381160B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/243—Classification techniques relating to the number of classes
    • G06F18/24323—Tree-organised classifiers
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/12—Discovery or management of network topologies
    • 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
    • H04L45/12—Shortest path evaluation
    • H04L45/122—Shortest path evaluation by minimising distances, e.g. by selecting a route with minimum of number of hops
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)

Abstract

本申请提出一种节点身份信息获取方法、装置、存储介质及电子设备中，网络拓扑图包括各个节点之间的邻居关系和各个节点的IP地址，依据网络拓扑图获取目标节点的特征序列，特征序列包括目标节点的邻居属性和目标节点在网络拓扑图中的位置属性，邻居属性与邻居关系对应，位置属性与IP地址对应；再将特征序列输入分类器，获得目标节点的身份信息。其中，身份信息表征目标节点是否为网络服务提供节点相对于现有技术部分运营商通过命名对节点的身份信息进行区别，本方案中的节点身份信息获取方法使用范围更广，不局限于某一些特定的运营商。

Description

一种节点身份信息获取方法、装置、存储介质及电子设备
技术领域
本申请涉及互联网领域，具体而言，涉及一种节点身份信息获取方法、装置、存储介质及电子设备。
背景技术
随着社会的发展和科学的进步，互联网在人们的生活中越来越重要。互联网的搭建和运行离不开其中的节点，节点包括路由器、服务器等。随着互联网的发展，越来越多的节点被添加到互联网中。识别互联网中的POP节点对于研究互联网演进和互联网时延评估具有重要意义。如何设别各个节点的身份信息，判断其是否为网络服务提供点(POP节点)，成为了一个困扰本领域技术人员的难题。
现有技术中，部分运营商通过命名对节点的身份信息进行区别，但不同的运营商的命名规则可能不同，甚至有运营商未通过命名对节点的身份信息进行区别。所以通过命名节点的身份信息进行区别的适用范围窄，不能大范围的适用。
发明内容
本申请的目的在于提供一种节点身份信息获取方法、装置、存储介质及电子设备，以至少部分改善上述问题。为了实现上述目的，本申请实施例采用的技术方案如下：
第一方面，本申请实施例提供一种节点身份信息获取方法，所述方法包括：
依据网络拓扑图获取目标节点的特征序列；
其中，所述网络拓扑图包括各个节点之间的邻居关系和各个节点的IP地址，所述特征序列包括所述目标节点的邻居属性和所述目标节点在所述网络拓扑图中的位置属性；
将所述特征序列输入分类器，获得所述目标节点的身份信息，其中，所述身份信息表征所述目标节点是否为网络服务提供节点。
第二方面，本申请实施例提供一种节点身份信息获取装置，所述装置包括：
序列单元，用于依据网络拓扑图获取目标节点的特征序列；
其中，所述网络拓扑图包括各个节点之间的邻居关系和各个节点的IP地址，所述特征序列包括所述目标节点的邻居属性和所述目标节点在所述网络拓扑图中的位置属性；
分类单元，用于将所述特征序列输入分类器，获得所述目标节点的身份信息，其中，所述身份信息表征所述目标节点是否为网络服务提供节点。
第三方面，本申请实施例提供一种存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述的方法。
第四方面，本申请实施例提供一种电子设备，所述电子设备包括：处理器和存储器，所述存储器用于存储一个或多个程序；当所述一个或多个程序被所述处理器执行时，实现上述的方法。
相对于现有技术，本申请实施例所提供的一种节点身份信息获取方法、装置、存储介质及电子设备中，网络拓扑图包括各个节点之间的邻居关系和各个节点的IP地址，依据网络拓扑图获取目标节点的特征序列，特征序列包括目标节点的邻居属性和目标节点在网络拓扑图中的位置属性，邻居属性与邻居关系对应，位置属性与IP地址对应；再将特征序列输入分类器，获得目标节点的身份信息。其中，身份信息表征目标节点是否为网络服务提供节点相对于现有技术部分运营商通过命名对节点的身份信息进行区别，本方案中的节点身份信息获取方法使用范围更广，不局限于某一些特定的运营商。
为使本申请的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它相关的附图。
图1为本申请实施例提供的电子设备的结构示意图；
图2为本申请实施例提供的节点身份信息获取方法的流程示意图；
图3为本申请实施例提供的节点身份信息获取方法的流程示意图之一；
图4为本申请实施例提供的S102的子步骤示意图；
图5为本申请实施例提供的S102的子步骤示意图之一；
图6为本申请实施例提供的S102-6的子步骤示意图；
图7为本申请实施例提供的节点身份信息获取装置的单元示意图。
图中：10-处理器；11-存储器；12-总线；13-通信接口；201-序列单元；202-分类单元。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。
因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本申请的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
在本申请的描述中，需要说明的是，术语“上”、“下”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，或者是该申请产品使用时惯常摆放的方位或位置关系，仅是为了便于描述本申请和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本申请的限制。
在本申请的描述中，还需要说明的是，除非另有明确的规定和限定，术语“设置”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本申请中的具体含义。
下面结合附图，对本申请的一些实施方式作详细说明。在不冲突的情况下，下述的实施例及实施例中的特征可以相互组合。
网络服务提供节点(Point of Presence，简称POP)用于计算机和企业网络连接到互联网服务提供***(简称，ISP)。互联网服务提供***例如为电信网络***、移动网络***或者联通网络***。POP位于ISP网络的边缘，仅为特定地域提供服务。POP能够为多个最终用户终端提供本地接入点和身份验证。多个ISP可以共用POP，该情景通常出现在上下级运营商，或者同级运营商没有自己的POP，而将流量路由到距离最近的合作伙伴的POP中。因此需要获知网络中的POP节点的身份信息。如何准确识别网络中各个节点的身份信息就变得十分重要。
本申请实施例提供了一种电子设备，可以是计算机或其他服务器设备。请参照图1，电子设备的结构示意图。电子设备包括处理器10、存储器11、总线12。处理器10、存储器11通过总线12连接，处理器10用于执行存储器11中存储的可执行模块，例如计算机程序。
处理器10可以是一种集成电路芯片，具有信号的处理能力。在实现过程中，节点身份信息获取方法的各步骤可以通过处理器10中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器10可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(Digital Signal Processor，简称DSP)、专用集成电路(Application SpecificIntegrated Circuit，简称ASIC)、现场可编程门阵列(Field－Programmable Gate Array，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
存储器11可能包含高速随机存取存储器(RAM：Random Access Memory)，也可能还包括非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器。
总线12可以是ISA(Industry Standard Architecture)总线、PCI(PeripheralComponent Interconnect)总线或EISA(Extended Industry Standard Architecture)总线等。图1中仅用一个双向箭头表示，但并不表示仅有一根总线12或一种类型的总线12。
存储器11用于存储程序，例如节点身份信息获取装置对应的程序。节点身份信息获取装置包括至少一个可以软件或固件(firmware)的形式存储于存储器11中或固化在电子设备的操作***(operating system，OS)中的软件功能模块。处理器10在接收到执行指令后，执行所述程序以实现节点身份信息获取方法。
可能地，本申请实施例提供的电子设备还包括通信接口13。通信接口13通过总线与处理器10连接。通信接口13用于电子设备与其他终端进行交互。
应当理解的是，图1所示的结构仅为电子设备的部分的结构示意图，电子设备还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。图1中所示的各组件可以采用硬件、软件或其组合实现。
本发明实施例提供的一种节点身份信息获取方法，可以但不限于应用于图1所示的电子设备，具体的流程，请参考图2：
S102，依据网络拓扑图获取目标节点的特征序列。
其中，网络拓扑图包括各个节点之间的邻居关系和各个节点的IP地址，特征序列包括目标节点的邻居属性和目标节点在网络拓扑图中的位置属性。
具体地，邻居属性与邻居关系对应，位置属性与IP地址对应。
S104，将特征序列输入分类器，获得目标节点的身份信息。
其中，身份信息表征目标节点是否为网络服务提供节点。
具体地，网络拓扑图中各个节点的身份信息不同，其对应的特征序列也不相同。通过分类器可以对特征序列进行分类，从而确定该特征序列对应的目标节点的身份信息，判断目标节点是否为网络服务提供点POP。当多个ISP共用POP时，该情景通常出现在上下级运营商，或者同级运营商没有自己的POP，而将流量路由到距离最近的合作伙伴的POP中。从而便于网络拓扑图中该目标节点的各个邻居节点传播消息。
综上所述，本申请实施例提供的节点身份信息获取方法中，网络拓扑图包括各个节点之间的邻居关系和各个节点的IP地址，依据网络拓扑图获取目标节点的特征序列，特征序列包括目标节点的邻居属性和目标节点在网络拓扑图中的位置属性，邻居属性与邻居关系对应，位置属性与IP地址对应；再将特征序列输入分类器，获得目标节点的身份信息。其中，身份信息表征目标节点是否为网络服务提供节点相对于现有技术部分运营商通过命名对节点的身份信息进行区别，本方案中的节点身份信息获取方法使用范围更广，不局限于某一些特定的运营商。
在图2的基础上，关于如何获取网络拓扑图，本申请实施例还提供了一种可能的实现方式，请参考图3，节点身份信息获取方法，还包括：
S101，通过测绘工具绘制网络拓扑图。
可选地，主动探测方式进行网络拓扑测绘，基于分布于不同网络中的多个测绘点，使用traceroute工具，获得目标网络的IP拓扑。为了降低网络抖动造成的测绘误差，测绘以特定周期在多时段、多次重复进行，以十次最小链路时延的平均值作为链路时延的测绘结果。根据测绘工具发现的IP和链路时延形成以IP地址为节点，以链路时延为权重的边的拓扑有向图。
请继续参考图3，关于如何对分类器进行训练，本申请实施例还提供了一种可能的实现方式，节点身份信息获取方法还包括：
S103，依据带有标签的特征序列训练所分类器，其中，标签携带特征序列对应的身份信息。
可选地，分类器为多值分类器，例如SVM，决策树等。通过训练后，使用已有数据集进行验证，分类准确率超过75％，召回率80％。
在图2的基础上，当网络拓扑图包括任意相邻的两个节点之间的时延，邻居关系包含任意相邻的两个节点之间的上行关系或下行关系，邻居属性包括邻居数量、上行邻居延迟中位值以及下行邻居延迟中位值时；关于S102中的内容，本申请实施例还提供了一种可能的实现方式，请参考图4，S102包括：
S102-1，依据邻居关系确定目标节点的邻居数量。
其中，邻居数量包括上行邻居的数量和下行邻居的数量。
上行邻居为在网络拓扑图中，一跳距离可以到达目标节点的节点。上行邻居数量用于衡量与目标节点所代表的路由器相连的上行路由器的数量。下行邻居为在网络拓扑图中，目标节点一跳距离可以到达的节点。下行邻居数量用于衡量与目标节点所代表的路由器相连的下行路由器的数量。
S102-2，依据任意相邻的两个节点之间的时延，获取目标节点的上行邻居延迟中位值和下行邻居延迟中位值。
其中，上行邻居延迟中位值表征各个上行邻居到目标节点的时延的中位值，下行邻居延迟中位值表征目标节点到各个下行邻居的时延的中位值。
上行邻居延迟中位值用于衡量上行邻居与目标节点的物理距离。下行邻居延迟中位值用于衡量目标节点到下行邻居的物理距离。
S102-6，依据各个节点的IP地址，获取目标节点在网络拓扑图中的位置属性。
在图4的基础上，当邻居属性还包括：第一类节点的数量、第二类节点的数量、第一特征值以及第二特征值是；其中，第一类节点为与目标节点的具有相同上行关系的共邻节点，第二类节点为与目标节点的具有相同下行关系的共邻节点，关于S102中的内容，本申请实施例还提供了一种可能的实现方式，请参考图5，S102还包括：
S102-3，依据邻居关系确定第一类节点的数量和第二类节点的数量。
具体地，例如目标节点A具有上行邻接关系UA和UB，同时UA和UB也是节点B的上行邻居，A和B就具有相同的上行邻接关系，节点B相对于目标节点A为第一类节点。目标节点A具有下行邻接关系MA和MC，同时MA和MC也是节点C的下行邻居，A和C就具有相同的下行邻接关系，节点C相对于目标节点A为第二类节点。
S102-4，依据任意相邻的两个节点之间的时延，获取目标节点与各个第一类节点的上行共邻延迟比和目标节点与各个第二类节点的下行共邻延迟比。
其中，上行共邻延迟比表征上行邻居节点分别到目标节点和第一类节点的时延的比例的中位值，下行共邻延迟比表征目标节点和第二类节点分别到下行邻居的时延的比例的中位值。上行共邻延迟比用于衡量共同邻居到目标节点与第一类节点的延迟是否接近，从而判断共邻节点是否和目标节点位置相近。下行共邻延迟比用于衡量目标节点与第二类节点到共同邻居的延迟是否接近，从而判断共邻节点是否和目标节点位置相近。
计算方式如下：
目标节点A和节点B有共同的上行邻居(UA，UB，UC...UN),Delay(UA，A)表示上行邻居到目标节点A的时延，用Duaa表示，Delay(UA，B)表示上行邻居到节点B的时延，用Duab表示。Duaa/Duab为延迟比。向量Vab＝[Duaa/Duab，Duba/Dubb，Duca/Ducb...Duna/Dunb]为上行共邻延迟比向量。上行共邻延迟比为v＝abs(median(Vab))，即向量Vab的中位值的绝对值。
同理可以获得下行共邻延迟比向量。
S102-5，从上行共邻延迟比和下行共邻延迟比分别筛选出第一特征值和第二特征值。
其中，第一特征值为最接近1的上行共邻延迟比，第二特征值为最接近1的下行共邻延迟比。
在网络拓扑图中提取目标节点路由器周边拓扑特征相当于图计算领域中在图中搜索子图，计算复杂度和空间复杂度随着搜索模式和图的规模的增大以指数级上升。不适合进行大规模网络拓扑的计算。本申请实施例中，将目标节点路由器周边拓扑特征进行降维，转换为以上多个特征，对于图中的每个节点单独进行计算。
在图4的基础上，当位置属性包括：上行邻居地理距离均值、上行邻居地理距离中值、上行邻居地理距离方差、下行邻居地理距离均值、下行邻居地理距离中值依据下行邻居地理距离方差时，对于S102-6中的内容，本申请实施例还提供了一种可能的实现方式，请参考图6，S102-6包括：
S102-6-1，依据目标节点及其上行邻居、下行邻居的IP地址，确定目标节点及其上行邻居、下行邻居的地理位置。
具体地，可以查询IP地理信息库获取IP地址对应的地理位置。
S102-6-2，依据目标节点及其上行邻居、下行邻居的地理位置，获取上行邻居地理距离均值、上行邻居地理距离中值、上行邻居地理距离方差、下行邻居地理距离均值、下行邻居地理距离中值依据下行邻居地理距离方差。
上行邻居地理距离均值表示各个上行邻居节点到目标节点的地理距离的平均值。上行邻居地理距离中值表示各个上行邻居节点到目标节点的地理距离的中位值。上行邻居地理距离方差表示各个上行邻居节点到目标节点的地理距离的方差。下行邻居地理距离均值表示目标节点到下行邻居节点的地理距离的平均值。下行邻居地理距离中值表示目标节点到下行邻居节点的地理距离的中位值。下行邻居地理距离方差表示目标节点到下行邻居节点的地理距离的方差。
可选地，请继续参考图6，位置属性还包括：目标节点及其上行邻居、下行邻居所在自治***的数量和所在互联网服务提供***的数量，S102-6还包括：
S102-6-3，通过查询IP数据库获取目标节点及其上行邻居、下行邻居所在自治***的数量和所在互联网服务提供***的数量。
目标节点及其上行邻居、下行邻居所在自治***的数量表示目标节点和周边邻居节点所在的自治***的数量(AS)的总数，用于衡量该目标定得是否跨域AS。目标节点及其上行邻居、下行邻居所在互联网服务提供***(ISP)的数量：目标节点和周边邻居节点所在的ISP的总数，用于衡量目标是否跨域ISP。
本申请实施例提供的节点身份信息获取方法中，不仅仅依赖时延对目标节点进行身份判定，还充分结合了邻居特征和IP特征，最终的获得的身份信息更加准确。
请参阅图7，图7为本申请实施例提供的一种节点身份信息获取装置，可选的，该节点身份信息获取装置被应用于上文所述的电子设备。
节点身份信息获取装置包括序列单元201和分类单元202。
序列单元201，用于依据网络拓扑图获取目标节点的特征序列。
其中，网络拓扑图包括各个节点之间的邻居关系和各个节点的IP地址，特征序列包括目标节点的邻居属性和目标节点在网络拓扑图中的位置属性。可选地，序列单元201可以执行上述的S102。
分类单元202，用于将特征序列输入分类器，获得目标节点的身份信息，其中，身份信息表征目标节点是否为网络服务提供节点。可选地，分类单元202可以执行上述的S104。
需要说明的是，本实施例所提供的节点身份信息获取装置，其可以执行上述方法流程实施例所示的方法流程，以实现对应的技术效果。为简要描述，本实施例部分未提及之处，可参考上述的实施例中相应内容。
本发明实施例还提供了一种存储介质，该存储介质存储有计算机指令、程序，该计算机指令、程序在被读取并运行时执行上述实施例的节点身份信息获取方法。该存储介质可以包括内存、闪存、寄存器或者其结合等。
下面提供一种电子设备，可以是计算机或服务器，该电子设备如图1所示，可以实现上述的节点身份信息获取方法；具体的，该电子设备包括：处理器10，存储器11、总线12。处理器10可以是CPU。存储器11用于存储一个或多个程序，当一个或多个程序被处理器10执行时，执行上述实施例的节点身份信息获取方法。
在本申请所提供的实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本申请的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的***来实现，或者可以用专用硬件与计算机指令的组合来实现。
另外，在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。
对于本领域技术人员而言，显然本申请不限于上述示范性实施例的细节，而且在不背离本申请的精神或基本特征的情况下，能够以其它的具体形式实现本申请。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本申请的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本申请内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。

Claims (10)

1.一种节点身份信息获取方法，其特征在于，所述方法包括：
依据网络拓扑图获取目标节点的特征序列；
其中，所述网络拓扑图包括各个节点之间的邻居关系和各个节点的IP地址，所述特征序列包括所述目标节点的邻居属性和所述目标节点在所述网络拓扑图中的位置属性；
将所述特征序列输入分类器，获得所述目标节点的身份信息，其中，所述身份信息表征所述目标节点是否为网络服务提供节点。
2.如权利要求1所述的节点身份信息获取方法，其特征在于，所述网络拓扑图包括任意相邻的两个节点之间的时延，所述邻居关系包含任意相邻的两个节点之间的上行关系或下行关系，所述邻居属性包括邻居数量、上行邻居延迟中位值以及下行邻居延迟中位值；
所述依据网络拓扑图获取目标节点的特征序列的步骤，包括：
依据所述邻居关系确定所述目标节点的邻居数量，其中，所述邻居数量包括上行邻居的数量和下行邻居的数量；
依据任意相邻的两个节点之间的时延，获取所述目标节点的上行邻居延迟中位值和下行邻居延迟中位值，其中，上行邻居延迟中位值表征各个上行邻居到所述目标节点的时延的中位值，下行邻居延迟中位值表征所述目标节点到各个下行邻居的时延的中位值；
依据各个节点的IP地址，获取所述目标节点在所述网络拓扑图中的位置属性。
3.如权利要求2所述的节点身份信息获取方法，其特征在于，所述邻居属性还包括：第一类节点的数量、第二类节点的数量、第一特征值以及第二特征值；其中，所述第一类节点为与所述目标节点的具有相同上行关系的共邻节点，所述第二类节点为与所述目标节点的具有相同下行关系的共邻节点；
所述依据网络拓扑图获取目标节点的特征序列的步骤，还包括：
依据所述邻居关系确定所述第一类节点的数量和所述第二类节点的数量；
依据任意相邻的两个节点之间的时延，获取所述目标节点与各个所述第一类节点的上行共邻延迟比和所述目标节点与各个所述第二类节点的下行共邻延迟比，其中，所述上行共邻延迟比表征上行邻居节点分别到所述目标节点和所述第一类节点的时延的比例的中位值，所述下行共邻延迟比表征所述目标节点和所述第二类节点分别到下行邻居的时延的比例的中位值；
从所述上行共邻延迟比和所述下行共邻延迟比分别筛选出第一特征值和第二特征值，其中，所述第一特征值为最接近1的上行共邻延迟比，所述第二特征值为最接近1的下行共邻延迟比。
4.如权利要求2所述的节点身份信息获取方法，其特征在于，所述位置属性包括：上行邻居地理距离均值、上行邻居地理距离中值、上行邻居地理距离方差、下行邻居地理距离均值、下行邻居地理距离中值依据下行邻居地理距离方差；
所述依据各个节点的IP地址，获取所述目标节点在所述网络拓扑图中的位置属性的步骤，包括：
依据所述目标节点及其上行邻居、下行邻居的IP地址，确定所述目标节点及其上行邻居、下行邻居的地理位置；
依据所述目标节点及其上行邻居、下行邻居的地理位置，获取上行邻居地理距离均值、上行邻居地理距离中值、上行邻居地理距离方差、下行邻居地理距离均值、下行邻居地理距离中值依据下行邻居地理距离方差。
5.如权利要求4所述的节点身份信息获取方法，其特征在于，所述位置属性还包括：所述目标节点及其上行邻居、下行邻居所在自治***的数量和所在互联网服务提供***的数量；
所述依据各个节点的IP地址，获取所述目标节点在所述网络拓扑图中的位置属性的步骤，还包括：
通过查询IP数据库获取所述目标节点及其上行邻居、下行邻居所在自治***的数量和所在互联网服务提供***的数量。
6.如权利要求1所述的节点身份信息获取方法，其特征在于，在所述依据网络拓扑图获取目标节点的特征序列之前，所述方法还包括：
通过测绘工具绘制所述网络拓扑图。
7.如权利要求1所述的节点身份信息获取方法，其特征在于，在将所述特征序列输入分类器，获得所述目标节点的身份信息之前，所述方法还包括：
依据带有标签的特征序列训练所述分类器，其中，所述标签携带所述特征序列对应的身份信息。
8.一种节点身份信息获取装置，其特征在于，所述装置包括：
序列单元，用于依据网络拓扑图获取目标节点的特征序列；
其中，所述网络拓扑图包括各个节点之间的邻居关系和各个节点的IP地址，所述特征序列包括所述目标节点的邻居属性和所述目标节点在所述网络拓扑图中的位置属性；
分类单元，用于将所述特征序列输入分类器，获得所述目标节点的身份信息，其中，所述身份信息表征所述目标节点是否为网络服务提供节点。
9.一种存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1-7中任一项所述的方法。
10.一种电子设备，其特征在于，包括：处理器和存储器，所述存储器用于存储一个或多个程序；当所述一个或多个程序被所述处理器执行时，实现如权利要求1-7中任一项所述的方法。
CN202011296851.7A 2020-11-18 2020-11-18 一种节点身份信息获取方法、装置、存储介质及电子设备 Active CN112381160B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011296851.7A CN112381160B (zh) 2020-11-18 2020-11-18 一种节点身份信息获取方法、装置、存储介质及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011296851.7A CN112381160B (zh) 2020-11-18 2020-11-18 一种节点身份信息获取方法、装置、存储介质及电子设备

Publications (2)

Publication Number Publication Date
CN112381160A true CN112381160A (zh) 2021-02-19
CN112381160B CN112381160B (zh) 2024-04-09

Family

ID=74585144

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011296851.7A Active CN112381160B (zh) 2020-11-18 2020-11-18 一种节点身份信息获取方法、装置、存储介质及电子设备

Country Status (1)

Country Link
CN (1) CN112381160B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115018502A (zh) * 2021-08-25 2022-09-06 福建宏创科技信息有限公司 一种基于虚拟货币公链网络交易节点ip的溯源的方法和***

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101562569A (zh) * 2009-05-26 2009-10-21 中国科学院计算技术研究所 转发节点选取方法和装置
US20130036236A1 (en) * 2011-08-01 2013-02-07 Xerox Corporation Method and system for creating peer-to-peer geographical routing and multi-attribute similarity routing
CN106416182A (zh) * 2014-05-09 2017-02-15 思科技术公司 用于攻击检测的分布式投票机制
WO2017181587A1 (zh) * 2016-04-20 2017-10-26 乐视控股（北京）有限公司 Cdn网络中的节点管理方法和电子设备
CN108600942A (zh) * 2018-04-04 2018-09-28 清华大学 一种无人机自组网的路由方法
CN109982406A (zh) * 2019-04-11 2019-07-05 湖南工业大学 一种车载通信路由方法
CN111695583A (zh) * 2019-07-18 2020-09-22 广东电网有限责任公司信息中心 一种基于因果网络的特征选择方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101562569A (zh) * 2009-05-26 2009-10-21 中国科学院计算技术研究所 转发节点选取方法和装置
US20130036236A1 (en) * 2011-08-01 2013-02-07 Xerox Corporation Method and system for creating peer-to-peer geographical routing and multi-attribute similarity routing
CN106416182A (zh) * 2014-05-09 2017-02-15 思科技术公司 用于攻击检测的分布式投票机制
WO2017181587A1 (zh) * 2016-04-20 2017-10-26 乐视控股（北京）有限公司 Cdn网络中的节点管理方法和电子设备
CN108600942A (zh) * 2018-04-04 2018-09-28 清华大学 一种无人机自组网的路由方法
CN109982406A (zh) * 2019-04-11 2019-07-05 湖南工业大学 一种车载通信路由方法
CN111695583A (zh) * 2019-07-18 2020-09-22 广东电网有限责任公司信息中心 一种基于因果网络的特征选择方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115018502A (zh) * 2021-08-25 2022-09-06 福建宏创科技信息有限公司 一种基于虚拟货币公链网络交易节点ip的溯源的方法和***
CN115018502B (zh) * 2021-08-25 2024-07-16 福建宏创科技信息有限公司 一种基于虚拟货币公链网络交易节点ip的溯源的方法和***

Also Published As

Publication number Publication date
CN112381160B (zh) 2024-04-09

Similar Documents

Publication Publication Date Title
KR102189609B1 (ko) 속성과 네트워크 주소 사이의 연관
Haddadi et al. Network topologies: inference, modeling, and generation
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
CN105827472B (zh) 网络数据流类型检测方法及装置
US9680915B2 (en) Methods for clustering networks based on topology discovery and devices thereof
EP3841730B1 (en) Identifying device types based on behavior attributes
CN107404408B (zh) 一种虚拟身份关联识别方法及装置
CN113949748A (zh) 一种网络资产识别方法、装置、存储介质及电子设备
US8565122B2 (en) Method and apparatus for measuring and extracting proximity in networks
CN108259637A (zh) 一种基于决策树的nat设备识别方法及装置
Zhao et al. IP Geolocation based on identification routers and local delay distribution similarity
Zhang et al. Topology inference with network tomography based on t-test
Lee et al. Identifying and aggregating homogeneous ipv4/24 blocks with hobbit
CN112381160B (zh) 一种节点身份信息获取方法、装置、存储介质及电子设备
CN113268550A (zh) 自治域***的排行方法、***、电子设备和存储介质
CN111064817B (zh) 一种基于节点排序的城市级ip定位方法
Comarela et al. Detecting unusually-routed ases: Methods and applications
Tomasik et al. aSHIIP: autonomous generator of random Internet-like topologies with inter-domain hierarchy
Shavitt et al. Geographical internet pop level maps
Kardeş et al. Structural graph indexing for mining complex networks
Giotsas et al. Detecting and assessing the hybrid IPv4/IPv6 As relationships
Canbaz et al. Router-level topologies of autonomous systems
CN112532448B (zh) 网络拓扑处理方法、装置和电子设备
CN115955323A (zh) 一种网络安全态势感知方法、装置及电子设备
Berenguer et al. Radiography of internet autonomous systems interconnection in Latin America and the Caribbean

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