基于知识推理的大规模网络路由器级拓扑构建

《IEEE Networking Letters》：Large-Scale Network Router-Level Topology Construction Based on Knowledge Inference

拓扑知识推理方法通过整合IP接口层、地理空间和自治系统等多源异构数据，构建网络知识图谱。采用分层感知嵌入模型（HAKE）将拓扑实体映射为极坐标向量，结合路由协议约束将IP别名解析和匿名路由识别转化为有约束的最大似然估计问题，实现拓扑关系的联合推断与补全。实验表明该方法在不同匿名接口比例和探测强度下均显著提升拓扑重建精度，且在高匿名场景中仍保持鲁棒性。

　　

摘要：

本文提出了一种基于知识推理（KI）的拓扑构建方法。该方法通过构建一个多源异构网络知识图谱，整合了包括IP接口级拓扑、地理空间信息和自主系统归属在内的多模态数据，以实现网络拓扑的语义表示。利用层次感知嵌入模型（HAKE）提取拓扑实体的语义特征，并将其编码为极坐标向量。通过结合路由协议约束，将IP别名解析和匿名路由器识别任务重新表述为一个受限的最大似然估计问题，从而实现拓扑关系的联合推理与完整构建。实验结果表明，该方法在各种场景下显著提高了拓扑重建的准确性，无论是面对不同的匿名接口比例还是探测强度，即使在匿名接口比例较高的情况下也能保持稳定的性能。

引言

路由器级拓扑在大规模网络测量与分析中起着关键作用。它不仅能够准确描述主要的转发路径和设备分布，还为网络性能优化和安全加固提供了重要支持。然而，现有的主动探测工具（例如Traceroute [1]）仅能捕获IP接口级拓扑信息。要构建完整且准确的路由器级拓扑，需要通过IP别名解析和匿名路由器识别来正确合并属于同一路由器的匿名和非匿名IP接口。