基于网络结构特征的IP所属区域识别

费高雷; 张亚萌; 胡志宇; 周磊; 胡光岷

doi:10.11999/JEIT180589

引用本文: 费高雷, 张亚萌, 胡志宇, 周磊, 胡光岷. 基于网络结构特征的IP所属区域识别[J]. 电子与信息学报, 2019, 41(5): 1235-1242. doi: 10.11999/JEIT180589 shu

Citation: Gaolei FEI, Yameng ZHANG, Zhiyu HU, Lei ZHOU, Guangmin HU. Geographical Location Recognition of IP Based on Network Structure Features[J]. Journal of Electronics and Information Technology, 2019, 41(5): 1235-1242. doi: 10.11999/JEIT180589 shu

基于网络结构特征的IP所属区域识别

电子科技大学信息与通信工程学院成都 611731

作者简介: 费高雷: 男，1982年生，副教授，研究方向为计算机通信网，网络层析成像;
张亚萌: 女，1994年生，硕士生，研究方向为计算机通信网，网络拓扑测量;
胡志宇: 男，1992年生，硕士生，研究方向为计算机通信网，网络拓扑可视化;
周磊: 男，1993年生，硕士生，研究方向为计算机通信网，网络行为分析;
胡光岷: 男，1966年生，教授，博士生导师，研究方向为计算机通信网、网络行为学和安全

通讯作者: 费高雷,fgl@usctc.edu.cn

基金项目: 国家自然科学基金(61301274, 61471101)，中央高校基本科研业务费(ZYGX2015Z008)

摘要: 现有IP定位技术通过查询IP注册信息数据库或利用测量得到的时延等信息确定IP具体位置，在实际中由于受各种因素的影响，对网络中的大部分IP都无法得到准确、合理的定位结果。为此，该文提出一种基于网络结构特征的IP所属区域识别方法。该方法通过探测节点向待定位的IP发送Traceroute探测包获得两者之间的网络结构特征，并比较待定位节点和已知地理位置节点之间的网络结构特征确定待定位节点所属区域。测试结果表明该文方法和现有的数据库查询的正确率相比有部分提升。

关键词:

English

Geographical Location Recognition of IP Based on Network Structure Features

School of Information and Communication Engineering, University of Electronic Science and Technology of China, Chengdu 611731, China

Corresponding author: Gaolei FEI,fgl@usctc.edu.cn

Received Date: 2018-06-13
Accepted Date: 2018-12-17
Available Online: 2019-05-01
Fund Project: The National Natural Science Foundation of China (61301274, 61471101), The Basic Scientific Research Service Fee of the Central University (ZYGX2015Z008)

Abstract: The existing IP location technology determines the location of IP by querying IP to register information databases or using time-delay information. In fact, due to the influence of various factors, most of the IP in the network can not get accurate and reasonable positioning results. For this reason, a region recognition method of IP is proposed based on network structure features. This method obtains the network topology information between the two nodes by sending the Traceroute detection packet from the detection nodes to the IPs that need to be located Comparing the network structure features between the nodes to be located and the known geographical nodes determines where the nodes located. The actual test shows that this method can achieve better results.

Key words:

1. [1]
  张少波, BHUIYAN M Z A, 刘琴, 等. 移动社交网络中基于代理转发机制的轨迹隐私保护方法[J]. 电子与信息学报, 2016, 38(9): 2158–2164. doi: 10.11999/JEIT151136
  ZHANG Shaobo, BHUIYAN M Z A, LIU Qin, et al. The method of trajectory privacy preserving based on agent forwarding mechanism in mobile social networks[J]. Journal of Electronics &Information Technology, 2016, 38(9): 2158–2164. doi: 10.11999/JEIT151136
2. [2]
  王荣荣. 基于位置的社交网络隐私安全研究[D]. [硕士论文], 华东师范大学, 2016. 15-31.
  WANG Rongrong. Research on location based social network privacy security [D]. [Master dissertation], East China Normal University, 2016. 15-31.
3. [3]
  李晴, 叶阿勇, 许力. 社交网络中基于定位欺骗的隐私攻击研究[J]. 信息网络安全, 2017, 1(5): 51–56. doi: 10.3969/j.issn.1671-1122.2017.05.008
  LI Jing, YE Ayong, and XU Li. Research on privacy attack based on location cheating in social network[J]. Information Network Security, 2017, 1(5): 51–56. doi: 10.3969/j.issn.1671-1122.2017.05.008
4. [4]
  MUIR J A and OORSCHOT P C V. Internet geolocation: Evasion and counterevasion[J]. ACM Computing Surveys, 2009, 42(1): 1–23. doi: 10.1145/1592451.1592455
5. [5]
  PADANABHAN V N and SUBRAMANIAN L. An investigation of geographic mapping techniques for internet hosts[J]. ACM Sigcomm Computer Communication Review, 2001, 31(4): 173–185. doi: 10.1145/964723.383073
6. [6]
  GUEYE B, ZIVIANI A, CROVELLA M, et al. Constraint-based geolocation of internet hosts[J]. IEEE/ACM Transactions on Networking, 2006, 14(6): 1219–1232. doi: 10.1109/TNET.2006.886332
7. [7]
  ZHOU Haifeng, TAN Liansheng, et al. Traffic matrix estimation: Advanced—Tomogravity method based on a precise gravity model[J]. International Journal of Communication Systems, 2015, 28(10): 1709–1728. doi: 10.1002/dac.2787
8. [8]
  朱畅华, 裴昌幸, 李建东, 等. 基于线性规划的Internet端到端时延的估计[J]. 电子与信息学报, 2004, 26(3): 446–452.
  ZHU Changhua, PEI Changxing, LI Jiandong, et al. Linear programming based estimation of internet end-to-end delay[J]. Journal of Electronics &Information Technology, 2004, 26(3): 446–452.
9. [9]
  KATZBASSET E, JOHN J P, KRISHNAMURTHY A, et al. Towards IP geolocation using delay and topology measurements[C]. ACM SIGCOMM Conference on Internet Measurement 2006, Rio De Janeriro, Brazil, 2006: 71–84.
10. [10]
  ERIKSSON B, BARFORD P, SOMMERS J, et al. A learning-based approach for IP geolocation[C]. Passive and Active Measurement, International Conference, Zurich, Switzerland, 2010: 171–180.
11. [11]
  CHEN Jingning, LIU Fenlin, WANG Tianpeng, et al. Towards region-level IP geolocation based on the path feature[C]. International Conference on Advanced Communication Technology IEEE, PyeongChang, South Korea, 2015: 468–471.
12. [12]
  REN Lianxing. Method for IP geolocation based on Path Similarity[C]. International Conference on Wireless Communication and Sensor Networks. Boston, USA, 2017: 315–319.
13. [13]
  CHUN B, CULLER D, ROSCOE T, et al. PlanetLab: an overlay tested for broad-coverage services[J]. ACM SIGCOMM Computer Communication Review, 2003, 33(3): 3–12. doi: 10.1145/956993.956995
14. [14]
  谢钧, 俞璐, 金凤林. 基于排队时延和丢包率的拥塞控制[J]. 电子与信息学报, 2010, 32(9): 2058–2064. doi: 10.3724/SP.J.1146.2009.01228
  XIE Jun, YU Lu, and JIN Fenglin. Congestion control based on queuing delay and packet Loss probability[J]. Journal of Electronics &Information Technology, 2010, 32(9): 2058–2064. doi: 10.3724/SP.J.1146.2009.01228
15. [15]
  SHAVITT Y and ZILBERMAN N. Geolocation Databases Study[J]. IEEE Journal on Selected Areas in Communications, 2011, 29(10): 2044–2056. doi: 10.1109/JSAC.2011.111214
16. [16]
  赵帆, 罗向阳, 刘粉林. 网络空间测绘技术研究[J]. 网络与信息安全学报, 2016, 2(9): 1–11. doi: 10.11959/j.issn.2096-109x.2016.00097
  ZHAO Fan, LUO Xiangyang, and LIU Fenlin. Research on cyberspace surveying and mapping technology[J]. Chinese Journal of Network and Information Security, 2016, 2(9): 1–11. doi: 10.11959/j.issn.2096-109x.2016.00097
1. [1]
  刘焕淋, 杜理想, 陈勇, 王展鹏. 基于灾难预测多区域故障的虚拟光网络生存性映射. 电子与信息学报, 2020, 42(7): 1710-1717.
2. [2]
  张天骐, 范聪聪, 葛宛营, 张天. 基于ICA和特征提取的MIMO信号调制识别算法. 电子与信息学报, 2020, 41(0): 1-8.
3. [3]
  赵国繁, 唐伦, 胡彦娟, 赵培培, 陈前斌. 面向可靠性的5G网络切片重构及映射算法. 电子与信息学报, 2020, 42(6): 1478-1485.
4. [4]
  张文明, 姚振飞, 高雅昆, 李海滨. 一种平衡准确性以及高效性的显著性目标检测深度卷积网络模型. 电子与信息学报, 2020, 42(5): 1201-1208.
5. [5]
  张海波, 程妍, 刘开健, 贺晓帆. 车联网中整合移动边缘计算与内容分发网络的移动性管理策略. 电子与信息学报, 2020, 42(6): 1444-1451.
6. [6]
  李骜, 刘鑫, 陈德运, 张英涛, 孙广路. 基于低秩表示的鲁棒判别特征子空间学习模型. 电子与信息学报, 2020, 42(5): 1223-1230.
7. [7]
  陈勇, 刘曦, 刘焕淋. 基于特征通道和空间联合注意机制的遮挡行人检测方法. 电子与信息学报, 2020, 42(6): 1486-1493.
8. [8]
  宋晨, 周良将, 吴一戎, 丁赤飚. 基于时频集中度指标的多旋翼无人机微动特征参数估计方法. 电子与信息学报, 2020, 42(0): 1-8.
9. [9]
  吕敬祥, 罗文浪. 无线传感网络量化及能量优化策略. 电子与信息学报, 2020, 42(5): 1118-1124.
10. [10]
  徐瑨, 吴慧慈, 陶小峰. 5G网络空间安全对抗博弈. 电子与信息学报, 2020, 41(0): 1-11.
11. [11]
  唐伦, 魏延南, 谭颀, 唐睿, 陈前斌. H-CRAN网络下联合拥塞控制和资源分配的网络切片动态资源调度策略. 电子与信息学报, 2020, 42(5): 1244-1252.
12. [12]
  缪祥华, 单小撤. 基于密集连接卷积神经网络的入侵检测技术研究. 电子与信息学报, 2020, 41(0): 1-7.
13. [13]
  游凌, 李伟浩, 张文林, 王科人. 基于深度神经网络的Morse码自动译码算法. 电子与信息学报, 2020, 41(0): 1-6.
14. [14]
  向敏, 饶华阳, 张进进, 陈梦鑫. 基于GCN的软件定义电力通信网络路由控制策略. 电子与信息学报, 2020, 42(0): 1-8.
15. [15]
  李劲松, 彭建华, 刘树新, 季新生. 一种基于线性规划的有向网络链路预测方法. 电子与信息学报, 2020, 41(0): 1-9.
16. [16]
  归伟夏, 陆倩, 苏美力. 关于系统级故障诊断的烟花-反向传播神经网络算法. 电子与信息学报, 2020, 42(5): 1102-1109.
17. [17]
  杨书新, 梁文, 朱凯丽. 基于三级邻居的复杂网络节点影响力度量方法. 电子与信息学报, 2020, 42(5): 1140-1148.
18. [18]
  张惊雷, 厚雅伟. 基于改进循环生成式对抗网络的图像风格迁移. 电子与信息学报, 2020, 42(5): 1216-1222.
19. [19]
  刘文斌, 吴倩, 杜玉改, 方刚, 石晓龙, 许鹏. 基于个性化网络标志物的药物推荐方法研究. 电子与信息学报, 2020, 42(6): 1340-1347.
20. [20]
  王威丽, 陈前斌, 唐伦. 虚拟网络切片中的在线异常检测算法研究. 电子与信息学报, 2020, 42(6): 1460-1467.

图 1 网络测量模型图

下载: 全尺寸图片幻灯片

图 2 测量拓扑示例

下载: 全尺寸图片幻灯片

图 3 数据集1：国内IP地址分布情况

下载: 全尺寸图片幻灯片

图 4 数据集2：北美IP地址分布情况

下载: 全尺寸图片幻灯片

表 1 情况1：华盛顿大学探测波士顿中可能是同一C网的IP对路径信息(可达)

IP	11跳	12跳	13跳	14跳	15跳	16跳
128.197.26.34	162.252.70.97	192.5.89.17	207.210.143.202	128.197.254.121	128.197.254.166	128.197.26.34
128.197.26.35	162.252.70.97	192.5.89.17	207.210.143.202	128.197.254.121	128.197.254.146	128.197.26.35

下载: 导出CSV

表 2 情况2：华盛顿大学探测华盛顿州中非同一C网的IP对路径信息(可达)

IP	5跳	6跳	7跳	8跳	9跳	10跳
147.222.6.71	209.124.190.236	209.124.190.237	147.222.255.248	147.222.63.254	147.222.63.203	147.222.6.71
168.156.125.39	209.124.190.170	209.124.190.171	168.156.125.39

下载: 导出CSV

表 3 情况1的最小单位网络结构特征

IP	11跳	12跳	13跳	14跳	15跳	16跳
128.197.26.34	162.252.70.*	192.5.89.*	207.210.143.*	128.197.254.*	128.197.254.*	128.197.26.34
128.197.26.35	162.252.70.*	192.5.89.*	207.210.143.*	128.197.254.*	128.197.254.*	128.197.26.35

下载: 导出CSV

表 4 情况2的最小单位网络结构特征

IP	5跳	6跳	7跳	8跳	9跳	10跳
147.222.6.71	209.124.190.*	209.124.190.*	147.222.255.*	147.222.63.*	147.222.63.*	147.222.6.71
168.156.125.39	209.124.190.*	209.124.190.*	168.156.125.39

下载: 导出CSV

表 5 中国高校IP分布情况

省份	安徽	北京	山东	江苏	河南	浙江	广东	辽宁	总计
数目	113	88	135	155	111	102	131	110	945

下载: 导出CSV

表 6 美国高校IP分布情况

州	华盛顿	田纳西	佐治亚	密歇根	马萨	密西西比	加州	弗吉尼亚	伊利	总计
数目	52	31	32	40	91	38	126	68	18	496

下载: 导出CSV

点击查看大图

图(4)表(6)

计量

PDF下载量: 40
文章访问数: 809
HTML全文浏览量: 404
引证文献数: 0

通讯作者: 陈斌, bchen63@163.com

1.
沈阳化工大学材料科学与工程学院沈阳 110142

基于网络结构特征的IP所属区域识别

通讯作者: 费高雷,fgl@usctc.edu.cn

English

Geographical Location Recognition of IP Based on Network Structure Features

Corresponding author: Gaolei FEI,fgl@usctc.edu.cn

计量

文章相关

通讯作者: 陈斌, bchen63@163.com