CN114785719B - 通过ping命令形成地域指纹的IP地域归属方法 - Google Patents
通过ping命令形成地域指纹的IP地域归属方法 Download PDFInfo
- Publication number
- CN114785719B CN114785719B CN202210380585.9A CN202210380585A CN114785719B CN 114785719 B CN114785719 B CN 114785719B CN 202210380585 A CN202210380585 A CN 202210380585A CN 114785719 B CN114785719 B CN 114785719B
- Authority
- CN
- China
- Prior art keywords
- region
- detection
- fingerprint
- detection point
- address
- 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
- 238000000034 method Methods 0.000 title claims abstract description 9
- 238000001514 detection method Methods 0.000 claims abstract description 124
- 238000012360 testing method Methods 0.000 claims description 6
- 238000002372 labelling Methods 0.000 abstract description 4
- 238000012545 processing Methods 0.000 abstract description 3
- 238000013500 data storage Methods 0.000 abstract description 2
- 238000003064 k means clustering Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000008685 targeting Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/10—Active monitoring, e.g. heartbeat, ping or trace-route
Landscapes
- Health & Medical Sciences (AREA)
- Cardiology (AREA)
- General Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
- Collating Specific Patterns (AREA)
Abstract
通过ping命令形成地域指纹的IP地域归属方法涉及信息技术领域，本发明包含以下步骤：1）分地域建立探测点；2）分地域收集公网IP地址；3）排除地域编号错误的被测IP地址，更新地域IP地址表；4）分地域取得ping命令指纹特征曲线；5）建立指纹曲线匹配分析模型；本发明无需庞大的IP地址标注信息，避免大规模数据处理和大数据集群需求和数据存储负担，分析数据及时性高，在适用场景下，减轻大规模IP数据人工标注负担，可以适用ipv6地址的快速区域定位。
Description
技术领域
本发明涉及信息技术领域。
背景技术
ping命令是Windows、Unix和Linux***下的一个命令。ping也属于一个通信协议，是TCP、IP协议的一部分。利用ping命令可以检查网络是否连通，可以很好地帮助我们分析和判定网络故障。
现有IP地域判断主要依赖BGP边界网关协议、中国互联网络中心申请的AS自治***信息和whois数据获取，然后通过路由跟踪指令和ping命令数据进行补充纠正，其中含大量等人工部分。部分IP地域判断工作有自动化处理成分，但获取的数据依然因为前期数据是非客观数据，增加一些错误概率，并且数据有极大维护成本。whois就是一个用来查询已经被注册域名的详细信息的数据库。
K-means聚类算法也称k均值聚类算法，是集简单和经典于一身的基于距离的聚类算法。它采用距离作为相似性的评价指标，即认为两个对象的距离越近，其相似度就越大。该算法认为类簇是由距离靠近的对象组成的，因此把得到紧凑且独立的簇作为最终目标。
发明内容
鉴于现有技术的不足，本发明提供的通过ping命令形成地域指纹的IP地域归属方法包含以下步骤：1）分地域建立探测点；2）分地域收集公网IP地址；3）排除地域编号错误的被测IP地址，更新地域IP地址表；4）分地域取得ping命令指纹特征曲线；5）建立指纹曲线匹配分析模型；
1）分地域建立探测点
⑴探测点具有独立的公网IP地址，探测点部署的服务器用来根据地域IP地址表进行ping命令拨测地域IP地址表中的被测IP地址，并生成拨测编号，拨测编号由地域编号和被测IP地址组成；
⑵探测点部署的服务器拨测被测IP地址时记录ping命令返回的信息中的延时时间，并对多个返回的延时时间取中值记录为探测点被测IP延时时间；
2）分地域收集公网IP地址
⑴每个地域收集10000个被测IP地址，通过公开的公共资源获取；
⑵形成以地域编号区别的被测IP地址表，称为地域IP地址表：
3）排除地域编号错误的被测IP地址，更新地域IP地址表
⑴对探测点拨测的每个地域10000个被测IP地址所记录的探测点被测IP延时时间使用聚类算法，排除离群的被测IP延时时间及其所对应的被测IP地址，更新地域IP地址表；
4）分地域取得ping命令指纹特征曲线
⑴在同一个探测点计算同一个地域在聚类算法下未离群的探测点被测IP延时时间的均值，记录为探测点拨测地域的指纹值，记录探测点拨测地域的指纹值时记录探测点编号和拨测地域编号；
⑵在同一个探测点计算同一个地域在聚类算法下未离群的探测点被测IP延时时间的范围，记录为探测点拨测地域的指纹值的阈值，记录探测点拨测地域的指纹值的阈值时记录探测点编号和拨测地域编号；
⑶按照拨测地域编号集中所有探测点记录的探测点拨测地域的指纹值，形成横轴为探测点编号，纵轴为探测点拨测地域的指纹值的曲线，作为ping命令指纹特征曲线；
⑷按照拨测地域编号集中所有探测点记录的探测点拨测地域的指纹值的阈值，形成横轴为探测点编号，纵轴为探测点拨测地域的指纹值的阈值的曲线，作为ping命令指纹特征曲线的阈值曲线；
5）建立指纹曲线匹配分析模型
⑴定义Cx为探测点被测IP延时时间的差异平均水平；
Ri为某一探测点在指定地域的探测点拨测地域的指纹值；
ri为本次探测IP地址的探测点被测IP延时时间；
n为探测点个数总量；
；
⑵定义Px为被测IP地址所得曲线与ping命令指纹特征曲线靠近的匹配率：Px=1-Cx；
⑶进行曲线曲度变化一致性分析，设de为平均差异延迟；
；
Ce为被测IP延时时间的差异波动水平，di为当次探测的被测IP延时时间差异；
；
Pe为被测IP地址所得曲线延迟时长波动匹配水平，Pe=1-Ce；
⑷Pv为某一IP在一次探测中与ping命令指纹特征曲线匹配的值，
；
⑸取Pv值最大的ping命令指纹特征曲线所对应的地域为被测IP地址的地域。
有益效果
本发明无需庞大的IP地址标注信息，避免大规模数据处理和大数据集群需求和数据存储负担，分析数据及时性高，在适用场景下，减轻大规模IP数据人工标注负担，可以适用ipv6地址的快速区域定位。
附图说明
图1是本发明的流程图。
具体实施方式
实施例一
参看图1，本发明提供的通过ping命令形成地域指纹的IP地域归属方法包含以下步骤：S01分地域建立探测点；S02分地域收集公网IP地址；S03排除地域编号错误的被测IP地址，更新地域IP地址表；S04分地域取得ping命令指纹特征曲线；S05建立指纹曲线匹配分析模型；
S01分地域建立探测点
⑴探测点具有独立的公网IP地址，探测点部署的服务器用来根据地域IP地址表进行ping命令拨测地域IP地址表中的被测IP地址，并生成拨测编号，拨测编号由地域编号和被测IP地址组成；
⑵探测点部署的服务器拨测被测IP地址时记录ping命令返回的信息中的延时时间，并对多个返回的延时时间取中值记录为探测点被测IP延时时间；
S02分地域收集公网IP地址
⑴每个地域收集10000个被测IP地址，通过公开的公共资源获取；
⑵形成以地域编号区别的被测IP地址表，称为地域IP地址表：
S03排除地域编号错误的被测IP地址，更新地域IP地址表
⑴对探测点拨测的每个地域10000个被测IP地址所记录的探测点被测IP延时时间使用聚类算法，排除离群的被测IP延时时间及其所对应的被测IP地址，更新地域IP地址表；
S04分地域取得ping命令指纹特征曲线
⑴在同一个探测点计算同一个地域在聚类算法下未离群的探测点被测IP延时时间的均值，记录为探测点拨测地域的指纹值，记录探测点拨测地域的指纹值时记录探测点编号和拨测地域编号；
⑵在同一个探测点计算同一个地域在聚类算法下未离群的探测点被测IP延时时间的范围，记录为探测点拨测地域的指纹值的阈值，记录探测点拨测地域的指纹值的阈值时记录探测点编号和拨测地域编号；
⑶按照拨测地域编号集中所有探测点记录的探测点拨测地域的指纹值，形成横轴为探测点编号，纵轴为探测点拨测地域的指纹值的曲线，作为ping命令指纹特征曲线；
⑷按照拨测地域编号集中所有探测点记录的探测点拨测地域的指纹值的阈值，形成横轴为探测点编号，纵轴为探测点拨测地域的指纹值的阈值的曲线，作为ping命令指纹特征曲线的阈值曲线；
S05建立指纹曲线匹配分析模型
⑴定义Cx为探测点被测IP延时时间的差异平均水平；
Ri为某一探测点在指定地域的探测点拨测地域的指纹值；
ri为本次探测IP地址的探测点被测IP延时时间；
n为探测点个数总量；
；
⑵定义Px为被测IP地址所得曲线与ping命令指纹特征曲线靠近的匹配率：Px=1-Cx；
⑶进行曲线曲度变化一致性分析，设de为平均差异延迟；
；
Ce为被测IP延时时间的差异波动水平，di为当次探测的被测IP延时时间差异；
；
Pe为被测IP地址所得曲线延迟时长波动匹配水平，Pe=1-Ce；
⑷Pv为某一IP在一次探测中与ping命令指纹特征曲线匹配的值，
；
⑸取Pv值最大的ping命令指纹特征曲线所对应的地域为被测IP地址的地域。
Claims (1)
1.通过ping命令形成地域指纹的IP地域归属方法，其特征在于包含以下步骤：1）分地域建立探测点；2）分地域收集公网IP地址；3）排除地域编号错误的被测IP地址，更新地域IP地址表；4）分地域取得ping命令指纹特征曲线；5）建立指纹曲线匹配分析模型；
1）分地域建立探测点
⑴探测点具有独立的公网IP地址，探测点部署的服务器用来根据地域IP地址表进行ping命令拨测地域IP地址表中的被测IP地址，并生成拨测编号，拨测编号由地域编号和被测IP地址组成；
⑵探测点部署的服务器拨测被测IP地址时记录ping命令返回的信息中的延时时间，并对多个返回的延时时间取中值记录为探测点被测IP延时时间；
2）分地域收集公网IP地址
⑴每个地域收集10000个被测IP地址；
⑵形成以地域编号区别的被测IP地址表，称为地域IP地址表：
3）排除地域编号错误的被测IP地址，更新地域IP地址表
⑴对探测点拨测的每个地域10000个被测IP地址所记录的探测点被测IP延时时间使用聚类算法，排除离群的被测IP延时时间及其所对应的被测IP地址，更新地域IP地址表；
4）分地域取得ping命令指纹特征曲线
⑴在同一个探测点计算同一个地域在聚类算法下未离群的探测点被测IP延时时间的均值，记录为探测点拨测地域的指纹值，记录探测点拨测地域的指纹值时记录探测点编号和拨测地域编号；
⑵在同一个探测点计算同一个地域在聚类算法下未离群的探测点被测IP延时时间的范围，记录为探测点拨测地域的指纹值的阈值，记录探测点拨测地域的指纹值的阈值时记录探测点编号和拨测地域编号；
⑶按照拨测地域编号集中所有探测点记录的探测点拨测地域的指纹值，形成横轴为探测点编号，纵轴为探测点拨测地域的指纹值的曲线，作为ping命令指纹特征曲线；
⑷按照拨测地域编号集中所有探测点记录的探测点拨测地域的指纹值的阈值，形成横轴为探测点编号，纵轴为探测点拨测地域的指纹值的阈值的曲线，作为ping命令指纹特征曲线的阈值曲线；
5）建立指纹曲线匹配分析模型
⑴定义Cx为探测点被测IP延时时间的差异平均水平；
Ri为某一探测点在指定地域的探测点拨测地域的指纹值；
ri为本次探测IP地址的探测点被测IP延时时间；
n为探测点个数总量；
；
⑵定义Px为被测IP地址所得曲线与ping命令指纹特征曲线靠近的匹配率：Px=1-Cx；
⑶进行曲线曲度变化一致性分析，设de为平均差异延迟；
；
Ce为被测IP延时时间的差异波动水平，di为当次探测的被测IP延时时间差异；
；
Pe为被测IP地址所得曲线延迟时长波动匹配水平，Pe=1-Ce；
⑷Pv为某一IP在一次探测中与ping命令指纹特征曲线匹配的值，
；
⑸取Pv值最大的ping命令指纹特征曲线所对应的地域为被测IP地址的地域。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210380585.9A CN114785719B (zh) | 2022-04-13 | 2022-04-13 | 通过ping命令形成地域指纹的IP地域归属方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210380585.9A CN114785719B (zh) | 2022-04-13 | 2022-04-13 | 通过ping命令形成地域指纹的IP地域归属方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114785719A CN114785719A (zh) | 2022-07-22 |
| CN114785719B true CN114785719B (zh) | 2024-05-10 |
Family
ID=82429152
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210380585.9A Active CN114785719B (zh) | 2022-04-13 | 2022-04-13 | 通过ping命令形成地域指纹的IP地域归属方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114785719B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103516725A (zh) * | 2007-03-12 | 2014-01-15 | 思杰***有限公司 | 用于使用压缩历史来改进网络性能的***和方法 |
| CN104135547A (zh) * | 2014-07-31 | 2014-11-05 | 深圳市腾讯计算机***有限公司 | 一种ip地址属性验证方法和*** |
| CN107508925A (zh) * | 2016-06-14 | 2017-12-22 | 阿里巴巴集团控股有限公司 | 一种用于确定ip地址的地域信息的方法与设备 |
| CN113824810A (zh) * | 2021-08-23 | 2021-12-21 | 南京莱克贝尔信息技术有限公司 | 一种目标驱动的ip地址地理位置推断方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7028083B2 (en) * | 2000-05-26 | 2006-04-11 | Akomai Technologies, Inc. | Method for extending a network map |
| CN103220376B (zh) * | 2013-03-30 | 2014-07-16 | 清华大学 | 利用移动终端的位置数据来定位ip位置的方法 |
-
2022
- 2022-04-13 CN CN202210380585.9A patent/CN114785719B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103516725A (zh) * | 2007-03-12 | 2014-01-15 | 思杰***有限公司 | 用于使用压缩历史来改进网络性能的***和方法 |
| CN104135547A (zh) * | 2014-07-31 | 2014-11-05 | 深圳市腾讯计算机***有限公司 | 一种ip地址属性验证方法和*** |
| CN107508925A (zh) * | 2016-06-14 | 2017-12-22 | 阿里巴巴集团控股有限公司 | 一种用于确定ip地址的地域信息的方法与设备 |
| CN113824810A (zh) * | 2021-08-23 | 2021-12-21 | 南京莱克贝尔信息技术有限公司 | 一种目标驱动的ip地址地理位置推断方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114785719A (zh) | 2022-07-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109410238B (zh) | 一种基于PointNet++网络的枸杞识别计数方法 | |
| CN112769702B (zh) | 一种基于路由器别名和基准点地理特征的路由器定位方法 | |
| CN115994137B (zh) | 一种基于物联网应用服务***的数据管理方法 | |
| CN103413295B (zh) | 一种视频多目标长程跟踪方法 | |
| CN108200111A (zh) | 资源配置信息更新方法、装置和资源接口设备 | |
| CN104699835A (zh) | 用于确定网页页面中包括兴趣点poi数据的方法及装置 | |
| CN115240047A (zh) | 一种融合视觉回环检测的激光slam方法及*** | |
| CN109784270A (zh) | 一种提升人脸图片识别完整性的处理方法 | |
| CN113723452A (zh) | 一种基于kpi聚类的大规模异常检测*** | |
| CN111436017A (zh) | 一种基于聚类算法的移动用户一人多卡识别方法 | |
| CN116522268B (zh) | 一种配电网的线损异常识别方法 | |
| CN114486764B (zh) | 基于全光谱水质分析仪的农业面源污染监测*** | |
| CN108562867B (zh) | 一种基于聚类的指纹定位方法及装置 | |
| CN114785719B (zh) | 通过ping命令形成地域指纹的IP地域归属方法 | |
| CN111985569B (zh) | 基于多源点聚类思想的匿名节点定位方法 | |
| CN113947636A (zh) | 一种基于深度学习的激光slam定位***及方法 | |
| CN111581475B (zh) | 一种识别标识解析流量的***及方法 | |
| US20150058466A1 (en) | Device for server grouping | |
| CN111698321A (zh) | 物联网设备数据同步方法、装置及控制中心 | |
| CN110909380A (zh) | 一种异常文件访问行为监控方法和装置 | |
| CN112188393A (zh) | 一种无感视频定位方法及*** | |
| CN110852516A (zh) | 基于大数据信息熵交通流检测设备数据质量判别方法 | |
| CN110891241A (zh) | 一种基于长短时间记忆网络模型与接入点选择策略的指纹定位方法 | |
| CN113762374B (zh) | 一种基于改进密度峰值聚类的异常轨迹检测方法 | |
| CN113393694B (zh) | 一种公交骨干线路抓取方法 |
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 |