一种基于蚁群分裂层次聚类的ipv6地址扫描方法,针对大规模的ipv6地址存活性探测以及寻找最优路径的蚁群算法,使用DHC算法生成空间树和地址空间,根据地址空间信息初始化为蚁群算法的参数和公式;第一轮扫描,根据地址空间数选择优先扫描的区域,扫描已有区域后,聚合形成新的地址空间;新形成的地址空间可能地址数过大,根据第一轮扫描得到的活跃地址数以及地址空间,第二轮选择优先扫描的地址空间,然后继续向上聚合形成新的地址空间;根据信息素的公式,选择第三次优先扫描的区域;重复上述步骤直到预算耗尽,结束扫描。本方法能够解决现有技术中由于数据量庞大而出现扫描效果不佳的技术问题,能够保持高效、准确的扫描性能。
背景技术
由于ipv6具有巨大规模的地址空间,使得它很难像ipv4一样在短时间内进行全部地址空间扫描去得到存活的地址,且ipv6的存活地址分布极不均匀,所以常规的扫描方式对于ipv6地址空间来说命中率很低。对于以上的问题,现有的技术方法分为两类:基于语义信息和基于结构信息。在基于语义信息的方法中,先根据ipv6向量空间映射技术(即IPv62Vec)将种子转换为向量。在IPv62Vec之后,向量数据集将用于训练深度神经网络(如变压器、变分自动编码器和生成对抗网络),然后将ipv6目标生成问题转换为已解决的文本生成问题。然而,深度神经网络的巨大计算成本意味着这些方法不能扩展到大规模的扫描。在基于结构信息的方法中,种子的结构信息主要用于确定扫描区域或指导目标的生成。此方法较为适用于大规模扫描去发现存活的ipv6地址,虽然此方法生成的地址空间较大,但命中率较低。
本发明属于第二类基于结构信息的目标地址扫描方法,在现有地址生成的方法中,根据蚁群算法指导扫描区域。
实现思路