产毛宁， 张 宇

(哈尔滨工业大学 计算机科学与技术学院， 哈尔滨 150001)

0 引 言

互联网向基于 IPv6 的下一代互联网演进已成为全球普遍共识，目前IPv6的部署和使用正在飞速增长，但是由于IPv6 地址空间巨大，地址规划复杂，地址空间划分政策多样，以及地址实际使用率低等这些不同于IPv4 的问题，使得IPv6 网络拓扑测量成为一个巨大的挑战。作为IPv6 网络拓扑测量的输入，IPv6 拓扑测量目标选择技术研究如何通过有效地选择目标来提高拓扑测量的有效性和完整性。

为了克服上述问题，大量的研究工作从IPv6存活地址列表收集、IPv6地址分析、IPv6地址生成和IPv6网络拓扑测量的角度展开。IPv6 存活地址列表(Hitlists)的收集技术包括主动技术如随机探测::1[1]，完整探测每个声明的/32前缀中的每个/48中的::1地址[2]，rDNS zone 游走，被动技术如基于BGP update或从流量中获取[3,4]。Gasser等观察到存活地址列表本身包含聚类，从均衡性和无偏性的角度提出了TUM Hitlist[5]；Ullrich等使用递归的算法来发现和提取IPv6地址模式[6]；Foremski等提出了Entropy/IP 系统，使用了贝叶斯模型和聚类分析的机器学习技术来发现IPv6地址结构[7]；Murdock等设计了6Gen目标生成器，利用地址局域性，迭代识别高密集区域[8]。上述工作的主要目标为IPv6网络主机发现，而非IPv6网络拓扑发现。CAIDA Ark利用分布式测量点对每个全球声明的BGP可路由的/48或更短前缀中1个::1地址和1个随机地址做ICMP-Paris traceroute，但实践中无法细粒度地抽样，同时存在大量冗余探测。与本文类似，Beverly等将存活地址列表用于IPv6 接口级网络拓扑发现[9]，但缺少预测存活地址前缀列表的独立研究。……