相關主題
商品描述
本書共14章，圍繞下一 代互聯網安全領域的核心挑 戰——IPv6網絡實體的高精 度定位與多維度脆弱性評估 展開系統研究。第1章為緒 論。第2章為相關知識與工 具。第3章為基於時延特征 的邊界路由IP定位算法。第 4～9章針對IPv6地址稀疏性 、動態性、低存活度及多穴 性等關鍵問題提出了 HpGraphNEI、HGL、GEO 、SubvectorS-Geo等創新 性IP定位算法。 0～13章 構建了“拓撲結構—網絡實 體—應用軟件”三位一體的 脆弱性評估體系，實現從宏 觀網絡結構到微觀軟件屬性 的全鏈條風險感知。 4章 為總結與展望。 本書體系完備、內容前 沿，兼具理論深度與實踐指 導價值，適合網絡空間安全 、下一代互聯網架構、網絡 測量與智能安全等相關領域 的研究人員、高校師生及工 程技術人員閱讀參考，旨在 為推動 IPv6安全治理與 防禦體系建設提供學術支撐 與技術借鑒。
目錄大綱
第1章 緒論
1.1 研究背景與意義
1.2 研究現狀
1.3 研究難點及創新內容
第2章 相關知識與工具
2.1 IPv6地址
2.2 地址生成及掃描技術
2.3 地標
2.4 IPv6網絡空間測量
2.5 圖
2.6 網絡實體識別
2.7 探測與掃描工具
2.8 測繪平臺
2.9 本章小結
第3章 基於時延特征的邊界路由IP定位算法
3.1 問題提出
3.2 相關工作
3.3 研究方法
3.4 實驗數據集及結果
3.5 討論與分析
3.6 總結與展望
第4章 HpGraphNEI：基於異配圖學習的網絡實體識別模型
4.1 問題提出
4.2 相關工作
4.3 HpGraphNEI模型
4.4 實驗與分析
4.5 本章小結
第5章 基於特征聚類的IPv6地標表示方法
5.1 問題提出
5.2 IPv6地標收集
5.3 實驗與分析
5.4 本章小結
第6章 基於神經網絡的IPv6定位算法
6.1 問題提出
6.2 相關工作
6.3 SubvectorS_Geo算法
6.4 實驗與分析
6.5 本章小結
第7章 基於區域路由節點的層次分類IP定位模型
7.1 問題提出
7.2 GWS-Geo模型和目標IP定位步驟
7.3 實驗與分析
7.4 本章小結
第8章 基於超圖神經網絡的社區發現IP定位模型
8.1 問題提出
8.2 HGL_GEO定位算法
8.3 實驗與分析
8.4 本章小結
第9章 基於網絡實體屬性的IP定位算法
9.1 問題提出
9.2 GraphNEI模型及定位算法
9.3 實驗與分析
9.4 本章小結
0章 GraphNV：基於圖註意力網絡的網絡節點脆弱性評估方法
10.1 問題提出
10.2 相關工作
10.3 GraphNV模型
10.4 實驗與分析
10.5 本章小結
1章 TransformerNEI：基於Transformer的網絡實體識別模型
11.1 問題提出
11.2 模型化框架及主要步驟
11.3 實驗與分析
11.4 本章小結
2章 NR-GAT：基於圖註意力網絡的網絡節點脆弱性評估方法
12.1 問題提出
12.2 相關工作
12.3 基於NR-GAT的網絡脆弱性分析模型
12.4 實驗與分析
12.5 本章小結
3章 HGL-SSCR：基於超圖學習的軟件供應鏈風險評估模型
13.1 問題提出
13.2 相關工作
13.3 HGL-SSCR模型
13.4 實驗與分析
13.5 本章小結
4章 總結與展望
14.1 工作總結
14.2 未來工作展望
參考文獻
