基于深度学习的活跃IPv6地址预测算法

摘要：

由于IPv6拥有庞大的地址空间,基于现有网络速度和硬件计算能力,难以实现全球IPv6地址扫描.通过地址生成算法来预测网络中可能出现的IPv6地址,随后将预测地址作为扫描的目标,可以达到IPv6地址快速扫描的目的.文中通过分析IPv6地址结构和分配方式来探索潜在的分配模式,结合已有的传统语言模型和目标生成算法,提出了一种基于深度学习的算法6LMNS,来预测潜在的活跃IPV6地址.6LMNS首先通过地址向量空间映射模型Add2vec来构建具有一定语义关系的IPv6地址词向量空间;随后基于Transformer构建语言训练模型GPT-IPv6,以此来估计IPv6地址词向量序列的概率分布;最后引入核心采样替代传统贪心搜索解码,完成活跃地址的生成.经验证,与其他语言模型和目标生成算法相比,6LMNS生成的地址拥有更好的多样性以及更高的活跃率.

关键词：深度学习、Word2Vec、GPT、核心采样、贪心搜索

所属期刊栏目：50

分类号：TP393(计算技术、计算机技术)

资助基金：四川省科技计划重点研发项目2022YFG0329

在线出版日期：2023-07-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：261-269