6Rover：利用基于强化学习的地址模式挖掘方法发现 IPv6 无种子空间中的活跃目标
网络与互联网体系结构
2024-01-17 v1
摘要
发现活跃 IPv6 地址是 IPv6 网络测绘中的关键挑战，因为它是网络拓扑测量与安全分析等下游任务的前提。近年来，随着 IPv6 网络的迅速普及，许多研究者致力于提升 IPv6 扫描方法的命中率、效率与覆盖范围，并取得了显著进展。然而，现有方法仍严重依赖种子地址，从而限制了它们在无种子前缀中的有效性。为此，本文提出 6Rover，一种基于强化学习的模型，用于在无种子环境中发现活跃地址。为克服对种子地址的依赖，6Rover 构建了更具通用性的模式，以反映网络管理员的实际地址分配策略，从而避免模式从有种子前缀到无种子前缀的有偏迁移。随后，6Rover 采用多臂老虎机模型，在将模式应用于无种子空间时优化探测资源分配。它将发现无种子空间中最佳模式的挑战建模为探索-利用困境，并逐步揭示无种子空间中可能应用的模式，从而在没有种子地址作为先验知识的情况下高效发现活跃地址。在大规模无种子数据集上的实验表明，在没有任何种子地址作为先验知识的条件下，6Rover 的命中率高于现有方法。在真实网络环境中，6Rover 在 1 亿预算规模的无种子空间中实现了 5% - 8% 的命中率，相比现有最优方法提升了约 200%。
引用
@article{arxiv.2401.07081,
title = {6Rover: Leveraging Reinforcement Learning-based Address Pattern Mining Approach for Discovering Active Targets in IPv6 Unseeded Space},
author = {Zhichao Zhang and Zhaoxin Zhang and Yanan Cheng and Ning Li},
journal= {arXiv preprint arXiv:2401.07081},
year = {2024}
}