IP Geolocation Papers

本文总结了近年来IPGeolocation领域的研究,包括经典算法如CBG和基于延迟与拓扑的定位方法。提到的2011年工作细化了定位流程,通过网络地标实现街道级定位。2016年的TNN应用神经网络稳定地标进行估计,而2018年的工作则利用最近公共路由器进行定位。最新的2020年研究采用地标聚类和深度神经网络(DNN)实现高精度的经纬度预测。这些方法展示了IP定位技术从基础到深度学习的演进。
摘要由CSDN通过智能技术生成

IP Geolocation的论文,近些年说少也不少,期刊会议时不时会出现,但是说多也不多,大多方法类似,没有出现很新颖的方法。0简要记录一下相对比较有参考价值的IP Geolocation科研论文


  • CBG:Constraint-Based Geolocation of Internet Hosts(2006)
    2006年的经典画圈定位算法,将延迟delay转化为地理距离,利用多延迟来推断地理位置,属于连续空间下的估计而非离散空间推断。
    在这里插入图片描述

  • Towards IP Geolocation Using Delay and Topology Measurements(2006)
    很早的一篇了,提出基于时延和拓扑的定位方法。

  • Towards Street-Level Client-Independent IP Geolocation(2011)
    比较经典的画圈圈物理方法,将过程分为三个阶段进行:1、基于限制的方法定位粗粒度(搬用CBG的画圈限制位置算法) 2、用大数量网络地标定位小区域(通过zipcode搜集大量地标) 3、大数量网络地标,证明简单有效的节点选择方法(最终的定位结果:通过知道了网络地标位置与目标的估计距离,选择最小距离的地标,将其与目标位置关联起来)

在这里插入图片描述

在这里插入图片描述

  • TNN:IP geolocation estimation using neural networks with stable landmarks(2016)
    利用了两层神经网络进行训练
    在这里插入图片描述

  • Towards IP location estimation using the nearest common router(2018)
    目标主机与地标之间最近的公共路由器对互联网主机的地理位置估计

  • Street-Level IP Geolocation Algorithm Based onLandmarks Clustering(2020)
    三个实体:探测机Probes、地标Landmarks、带定位节点Target
    用到了聚类的方法选取训练集,用DNN构造delay->location的映射。训练好每个训练集的神经网络后,通过跳数hop counts确定待定位节点所属训练集,将其时延输入神经网络得到其经纬度坐标。
    在这里插入图片描述

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Mr.zwX

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值