6VecLM：面向IPv6目标生成的向量空间语言建模
网络与互联网体系结构
2020-08-06 v1 计算与语言
机器学习
摘要
快速IPv6扫描在网络测量领域具有挑战性，因为它需要探索整个IPv6地址空间但受限于当前计算能力。研究者提出通过分析活跃种子集以算法方式获取可能的活跃目标候选集进行探测。然而，IPv6地址缺乏语义信息且包含众多寻址方案，导致设计有效算法困难。本文中，我们引入6VecLM方法来探索实现此类目标生成算法。该架构可将地址映射至向量空间以解释语义关系，并使用Transformer网络构建IPv6语言模型以预测地址序列。实验表明，我们的方法可对地址空间进行语义分类。通过添加新的生成方式，与常规语言模型相比，我们的模型具备可控的词创新的能力。该工作在两个活跃地址数据集上以抵达更高质量的候选集超越了最先进（SOTA）的目标生成算法。
引用
@article{arxiv.2008.02213,
title = {6VecLM: Language Modeling in Vector Space for IPv6 Target Generation},
author = {Tianyu Cui and Gang Xiong and Gaopeng Gou and Junzheng Shi and Wei Xia},
journal= {arXiv preprint arXiv:2008.02213},
year = {2020}
}
备注
The paper has been accepted at the European Conference on Machine Learning and Principles and Practice of Knowledge Discovery in Databases (ECMLPKDD 2020) (https://ecmlpkdd2020.net/programme/accepted/#ADSTab)