[發明專利]一種基于深度學習的活躍IPV6地址預測方法

在審

• 申請號: 202211053685.7
• 申請日: 2022-08-31
• 公開（公告）號: CN115422914A
• 公開（公告）日: 2022-12-02
• 發明（設計）人: 李育強;李林峰;朱浩;侯孟書;劉竹
• 申請（專利權）人: 電子科技大學
• 主分類號: G06F40/216
• 分類號: G06F40/216;G06F40/30;G06F40/284;G06F40/237;G06F16/35;G06N3/04;G06N3/08;H04L61/5007;H04L101/659
• 代理公司: 成都點睛專利代理事務所(普通合伙) 51232
• 代理人: 孫一峰

本發明屬于神經網絡和IPV6地址預測技術領域，尤其是涉及一種基于深度學習的活躍IPV6地址預測方法。本發明通過分析IPv6地址結構和分配方式，結合已有的傳統語言模型和目標成算法，提出了一種基于深度學習的算法6LMNS，來預測潛在的活躍IPV6地址。6LMNS包括地址向量空間映射模型Add2vec和語言訓練模型GPT?IPv6，同時引入核心采樣替代傳統貪心搜索解碼。經驗證，與其他目標生成算法相比，6LMNS生成的地址擁有更好的多樣性，以及更高的活躍率。

技術領域

本發明屬于神經網絡和IPV6地址預測技術領域，尤其是涉及一種基于深度學習的活躍IPV6地址預測方法。

背景技術

IPv6已成為支撐未來工業互聯網、物聯網發展的基礎，大規模IPv6網絡部署不斷涌現。IPv6龐大的地址空間^[1]，為用戶行為追蹤溯源、網絡精細管控提供了可能。研究人員通過探索全球IPv6地址，來提升對下一代互聯網進行大范圍評估的能力。隨著網絡和硬件的快速發展，以及Zmap和Masscan等掃描工具的出現，已經實現對全球IPv4地址空間的探索。然而IPv6擁有更大地址空間，傳統的掃描方法難以勝任。因此如何實現全球IPv6地址掃描，是研究人員面臨的一個挑戰。

目前關于IPv6地址掃描的研究，第一點是挖掘已知IPv6地址的結構特征，分析潛在分布規律，推斷聚類區域。第二點是設計地址生成算法，預測網絡中可能出現的IPv6地址。隨后將預測地址作為掃描的目標，來達到IPv6地址掃描的目的。

由于IPv6完全由字符組成，缺少語義信息，序列關系無法預測活躍IPV6地址。雖然已經設計出各種復雜的算法，但IPv6網絡以下性質導致這些算法仍然面臨挑戰：

(1)IPv6尋址模式

網絡管理員可以自由選擇IPv6地址分配方案，實現地址中接口標識符(IID)多種分配模式。客戶端可以使用無狀態地址自動配置，從而產生偽隨機或EUI-64IID。而服務器和路由器分配地址，通常是根據管理員的習慣或采用DHCPv6方式。根據RFC 7136中的要求，這些模式是不透明的，導致算法推斷困難。

(2)IPv6別名

已有的經驗表明，大規模的別名地址是未來IPv6掃描中必須解決的問題，因為這些地址無條件地響應查詢，不受設備唯一性約束。已有的算法仍需學習別名地址，導致消耗大量算力來生成低質量的地址。

發明內容

針對上述問題，本發明提出利用語言模型和目標生成算法，來實現對潛在的活躍IPV6地址進行預測。本發明基于深度學習的方法，首先通過詞向量空間映射，構建具有一定語義關系的IPv6向量空間；隨后利用圖神經網絡構建語言模型，來估計詞序列的概率分布，推斷活躍地址的組成。

本發明的技術方案為：

一種基于深度學習的活躍IPV6地址預測方法，包括以下步驟：

S1、構建IPV6地址詞序列，具體為：通過地址詞來表示十六進制的IPV6地址的每一個nybble，定義IPV6地址中第i個nybble的值為V_i，定義索引i為S_i，i為正整數且1≤i≤32，則將第i個地址詞表示為V_iS_i，從而對每一個位置的nybble值在地址詞中均單獨賦予語義，將整個IPV6地址的每一位nybble值轉化為地址詞，則構成一條IPV6地址的詞序列；