網(wǎng)絡空間測繪

目錄
第1章 緒論 1
1.1 網(wǎng)絡空間和網(wǎng)絡空間測繪 1
1.1.1 網(wǎng)絡空間的定義 1
1.1.2 網(wǎng)絡空間測繪的定義 2
1.2 網(wǎng)絡空間測繪的主要研究內(nèi)容 3
1.3 網(wǎng)絡空間測繪關鍵技術 5
1.3.1 探測層關鍵技術 5
1.3.2 映射層關鍵技術 7
1.3.3 繪制層關鍵技術 8
參考文獻 8
第2章 網(wǎng)絡空間實體資源探測與識別 9
2.1 網(wǎng)絡實體資源探測與識別技術研究現(xiàn)狀 9
2.1.1 網(wǎng)絡實體資源探測技術 9
2.1.2 網(wǎng)絡實體資源識別技術 11
2.2 基于TCP/IP協(xié)議指紋的識別方法 15
2.2.1 IP協(xié)議指紋 15
2.2.2 ICMP協(xié)議指紋 16
2.2.3 TCP協(xié)議指紋 17
2.3 基于應用層協(xié)議指紋的識別方法 18
2.3.1 服務標識指紋 18
2.3.2 頭部字段順序和語法指紋 19
2.3.3 文件特征指紋 20
2.3.4 處理方式指紋 21
2.4 網(wǎng)絡實體資源掃描工具與探測分析系統(tǒng) 21
2.4.1 網(wǎng)絡掃描工具 21
2.4.2 網(wǎng)絡實體資源探測分析系統(tǒng) 25
參考文獻 28
第3章 網(wǎng)絡虛擬資源發(fā)現(xiàn) 30
3.1 網(wǎng)絡虛擬資源發(fā)現(xiàn)概述 30
3.2 網(wǎng)絡虛擬資源發(fā)現(xiàn)技術研究現(xiàn)狀 31
3.2.1 微博用戶與群體分析技術 31
3.2.2 網(wǎng)絡用戶對齊分析技術 33
3.3 基于特征分析的微博炒作賬戶識別方法 34
3.3.1 問題描述 34
3.3.2 實驗結果與分析 44
3.4 基于*大頻繁項集挖掘的炒作群體發(fā)現(xiàn)方法 47
3.4.1 問題描述 47
3.4.2 算法原理與主要步驟 52
3.4.3 實驗結果與分析 54
3.5 基于概率生成模型的話題傳播群體劃分方法 57
3.5.1 問題描述 57
3.5.2 算法原理與主要步驟 62
3.5.3 實驗結果與分析 67
3.6 基于雙重隨機游走思想的話題傳播關鍵用戶挖掘算法 68
3.6.1 問題描述 68
3.6.2 算法原理與主要步驟 71
3.6.3 實驗結果與分析 75
3.7 基于合作博弈支持向量機的網(wǎng)絡用戶對齊算法 79
3.7.1 問題描述 79
3.7.2 算法原理與主要步驟 80
3.7.3 實驗結果與分析 85
3.8 基于雙閾值密度聚類的塊數(shù)據(jù)對齊算法 87
3.8.1 問題描述 88
3.8.2 算法原理與主要步驟 89
3.8.3 實驗結果與分析 92
參考文獻 95
第4章 目標網(wǎng)絡結構分析 98
4.1 目標網(wǎng)絡結構分析概述 98
4.2 目標網(wǎng)絡結構分析研究現(xiàn)狀 98
4.2.1 路由器級網(wǎng)絡拓撲分析算法 98
4.2.2 PoP級網(wǎng)絡拓撲分析算法 99
4.2.3 網(wǎng)絡異常檢測算法 99
4.3 基于單跳時延分布的城市區(qū)域網(wǎng)絡拓撲分析算法 100
4.3.1 問題描述 100
4.3.2 算法原理與主要步驟 100
4.3.3 實驗結果與分析 104
4.4 目標城市區(qū)域PoP級網(wǎng)絡分析算法 107
4.4.1 問題描述 107
4.4.2 算法原理與主要步驟 107
4.4.3 實驗結果與分析 109
4.5 局部網(wǎng)絡匿名路由分析算法 116
4.5.1 問題描述 116
4.5.2 算法原理與主要步驟 118
4.5.3 實驗結果與分析 122
4.6 基于模體的目標區(qū)域網(wǎng)絡拓撲劃分算法 125
4.6.1 問題描述 126
4.6.2 算法原理與主要步驟 126
4.6.3 實驗結果與分析 130
4.7 基于自我圖表示學習的動態(tài)網(wǎng)絡異常檢測 133
4.7.1 問題描述 133
4.7.2 算法原理與主要步驟 135
4.7.3 實驗結果與分析 136
參考文獻 141
第5章 網(wǎng)絡實體地標挖掘 143
5.1 地標挖掘技術研究現(xiàn)狀 143
5.1.1 候選地標獲取技術 143
5.1.2 地標可靠性評估技術 146
5.2 基于互聯(lián)網(wǎng)黃頁的街道級地標獲取算法 148
5.2.1 問題描述 149
5.2.2 算法主要步驟 149
5.2.3 算法分析 150
5.2.4 實驗結果與分析 151
5.3 基于服務開放端口的街道級地標獲取算法 154
5.3.1 問題描述 155
5.3.2 算法原理與主要步驟 155
5.3.3 算法性能分析 160
5.3.4 實驗結果與分析 160
5.4 基于三邊關系約束模型的街道級地標評估算法 165
5.4.1 問題描述 165
5.4.2 算法原理與主要步驟 166
5.4.3 可行性分析 169
5.4.4 實驗結果與分析 170
5.5 具有誤差上限的街道級地標評估算法 174
5.5.1 問題描述 174
5.5.2 算法框架與基本步驟 174
5.5.3 算法原理分析 176
5.5.4 實驗結果與分析 179
參考文獻 181
第6章 區(qū)域城市級IP定位技術 183
6.1 IP定位技術的研究背景 183
6.2 基于地標聚類的網(wǎng)絡實體城市級定位 183
6.2.1 GeoPing算法概述與分析 184
6.2.2 算法原理與主要步驟 185
6.2.3 算法分析 188
6.2.4 實驗結果與分析 191
6.3 基于路徑特征的目標IP 區(qū)域估計 193
6.3.1 問題描述 193
6.3.2 算法原理與主要步驟 195
6.3.3 算法分析 198
6.3.4 實驗結果與分析 199
6.4 基于區(qū)域網(wǎng)絡邊界識別的目標IP城市級定位算法 201
6.4.1 問題描述 201
6.4.2 算法原理與主要步驟 202
6.4.3 實驗結果與分析 212
6.5 基于PoP網(wǎng)絡拓撲的IP城市級定位算法 216
6.5.1 問題描述 216
6.5.2 算法原理與主要步驟 216
6.5.3 實驗結果與分析 221
6.6 基于社區(qū)發(fā)現(xiàn)的IP城市級定位算法 225
6.6.1 問題描述 226
6.6.2 算法原理與主要步驟 227
6.6.3 算法分析 229
6.6.4 實驗結果與分析 230
6.7 基于特征聚類的IP城市級定位算法 233
6.7.1 問題描述 234
6.7.2 算法基本原理 235
6.7.3 實驗結果與分析 238
6.8 基于強連接子網(wǎng)的IP城市級定位算法 241
6.8.1 問題描述 241
6.8.2 算法主要步驟 242
6.8.3 實驗結果與分析 245
參考文獻 246
第7章 街道小區(qū)級IP定位技術 248
7.1 基于多層相對時延-距離相關性的IP街道級定位算法 248
7.1.1 問題描述 248
7.1.2 算法設計思想 249
7.1.3 算法主要步驟 251
7.1.4 實驗結果與分析 253
7.2 基于*近共同路由器的目標IP定位算法 255
7.2.1 問題描述 255
7.2.2 算法原理與主要步驟 259
7.2.3 算法分析 263
7.2.4 實驗結果與分析 265
7.3 誤差容忍的目標IP定位算法 269
7.3.1 問題描述 269
7.3.2 算法原理與主要步驟 270
7.3.3 算法分析 273
7.3.4 實驗結果與分析 274
7.4 基于目標周邊路由器的IP街道級定位算法 277
7.4.1 問題描述 277
7.4.2 算法原理與主要步驟 279
7.4.3 實驗結果與分析 286
7.5 基于局部時延分布相似性度量的目標IP定位算法 289
7.5.1 問題描述 289
7.5.2 算法原理與主要步驟 290
7.5.3 局部時延分布獲取與相似性計算 291
7.5.4 算法分析 293
7.5.5 實驗結果與分析 295
7.6 基于路由器誤差訓練的IP定位算法 296
7.6.1 問題描述 296
7.6.2 算法原理與主要步驟 296
7.6.3 實驗結果與分析 300
參考文獻 303
第8章 即時通信用戶定位 304
8.1 即時通信用戶定位概述 304
8.1.1 即時通信用戶定位研究背景 304
8.1.2 即時通信用戶定位的研究現(xiàn)狀 304
8.1.3 存在的主要問題 311
8.2 基于通告距離統(tǒng)計特性的定位算法 312
8.2.1 現(xiàn)有基于空間劃分的微信用戶定位算法簡介及分析 312
8.2.2 算法原理與主要步驟 314
8.2.3 基于通告距離統(tǒng)計特性確定初始空間范圍 315
8.2.4 基于分步策略確定目標用戶位置 317
8.2.5 實驗結果與分析 318
8.3 基于查詢結果中用戶失序分析的定位算法 321
8.3.1 現(xiàn)有基于查詢結果相對次序的LBSN用戶定位算法簡介及分析 322
8.3.2 相關定義 323
8.3.3 算法原理與主要步驟 323
8.3.4 基于失序現(xiàn)象統(tǒng)計分析確定混雜區(qū)間 324
8.3.5 基于三邊測量原理確定目標用戶位置 326
8.3.6 實驗結果與分析 328
8.4 基于查詢結果中用戶次序變化的定位算法 331
8.4.1 問題描述 332
8.4.2 算法原理與主要步驟 332
8.4.3 利用查詢結果中用戶次序特性確定實際距離 334
8.4.4 基于三邊測量原理定位目標用戶 335
8.4.5 算法復雜度分析 336
8.4.6 實驗結果與分析 336
參考文獻 338
第9章 社交網(wǎng)絡用戶位置推斷 339
9.1 用戶位置推斷技術研究現(xiàn)狀 339
9.1.1 基于生成文本的用戶位置推斷 339
9.1.2 基于社交關系的用戶位置推斷方法 342
9.1.3 基于生成文本和社交關系的位置推斷方法 343
9.2 基于語義特征提取位置指示詞的用戶位置推斷 345
9.2.1 方法主要步驟 346
9.2.2 方法原理分析 349
9.2.3 實驗結果與分析 351
9.3 基于社交關系圖的用戶位置推斷 355
9.3.1 基于社交關系圖的用戶位置推斷方法 355
9.3.2 實驗結果與分析 359
9.4 基于表示學習和標簽傳播的用戶位置推斷 361
9.4.1 基于表示學習和標簽傳播的用戶位置推斷方法 362
9.4.2 實驗結果與分析 367
參考文獻 370