下一代互聯(lián)網(wǎng)活躍地址的多分類識別方法

王 禹，焦颯鑭，周 鑒

(1.河南工程學(xué)院 軟件學(xué)院，河南 鄭州 451191;2.中國移動通信集團(tuán)鄭州分公司 網(wǎng)絡(luò)部，河南 鄭州 450000;3.中原動力智能機(jī)器人有限公司 信息技術(shù)部，河南 鄭州 450000)

隨著物聯(lián)網(wǎng)、云計算和人工智能的飛速發(fā)展，IPv6作為下一代互聯(lián)網(wǎng)應(yīng)用解決方案，已經(jīng)得到快速普及[1-2]。據(jù)2020年CNNIC發(fā)布的《中國互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計報告》[3]，截至2019年12月，我國IPv6地址數(shù)量為50 877塊/32，和2018年同期相比增長了15.7%，相對的IPv4地址僅增長了0.4%。從全球視角來看，2019年上半年IPv6地址分配數(shù)量為17 865塊/32，已分配地址總數(shù)為282 222塊/32。

在實(shí)際應(yīng)用中，IPv6通過網(wǎng)絡(luò)運(yùn)營商實(shí)施分配和管理，以保持網(wǎng)絡(luò)正常通信。由于其天然具有海量空間，不同情況下IPv6的配置模式不盡相同。發(fā)展至今，IPv6配置模式主要包括人工配置模式、有狀態(tài)地址自動配置模式、無狀態(tài)地址自動配置模式及其子模式(出自RFC 4941[4]、RFC 4862[5]和RFC 7217[6]等的定義)。吳伊杰等[7]對IPv6地址配置策略進(jìn)行分析并設(shè)計了識別算法，但未提及隱私擴(kuò)展模式地址的處理方法。Foremski等[8]基于聚類算法和信息熵對IPv6地址結(jié)構(gòu)特征進(jìn)行分析研究，對于隨機(jī)化地址分類識別給出了較好的方法，然而并未涵蓋所有的IPv6地址分配模式。

針對IPv6地址進(jìn)行分類識別，能夠有效挖掘IPv6地址的配置策略和部署規(guī)律，為后續(xù)地址探測和網(wǎng)絡(luò)監(jiān)管等打下基礎(chǔ)。本研究分析了已有下一代互聯(lián)網(wǎng)地址分配/生成規(guī)范，提出了一種融合多種特征的IPv6地址分類識別方法，并基于真實(shí)的活躍地址數(shù)據(jù)集驗證了該方法的有效性。

1 IPv6地址結(jié)構(gòu)

IPv6地址空間巨大，根據(jù)互聯(lián)網(wǎng)數(shù)字分配機(jī)構(gòu)(the internet assigned numbers authority，IANA)的規(guī)劃方案，可分為以下幾類，具體情況如表1所示。其中，2000::/3為全球單播地址空間，其他地址段可用于保留地址、組播、鏈路內(nèi)單播等。

表1 IANA指定的IPv6地址范圍Tab.1 IPv6 address allocation range designated by IANA

圖1展示了全球單播IPv6地址的結(jié)構(gòu)，其中全球路由前綴占據(jù)n比特，為IPv6地址的最高序位部分；隨后的子網(wǎng)ID即子網(wǎng)前綴，占據(jù)m比特，用于判定子網(wǎng)地址；最后的接口標(biāo)識符(Interface ID)，簡稱接口ID或IID，占據(jù)最后的部分(128-n-m比特)。

圖1 全球單播IPv6地址Fig.1 Global unicast IPv6 address

默認(rèn)情況下，每個互聯(lián)網(wǎng)服務(wù)供應(yīng)商(internet service provider, ISP)能夠?qū)嶋H利用的地址塊至少包含約296個地址，負(fù)責(zé)分配IPv6地址，然而分配策略的差異導(dǎo)致不同ISP生成的IPv6地址結(jié)構(gòu)較為復(fù)雜。

2 IPv6地址生成

2.1 IPv6地址生成模式

IPv6地址中的全球路由前綴可通過請求相鄰路由器獲得，用來識別某個站點(diǎn)的地址范圍；子網(wǎng)ID用以識別站點(diǎn)中的某個鏈路；接口標(biāo)識符部分，用來定位該鏈路上唯一的網(wǎng)絡(luò)節(jié)點(diǎn)。IPv6地址的生成，可以分為手動地址配置和自動地址配置。前者適用于少量地址的單獨(dú)配置，然而難以廣泛實(shí)施；后者可分為有狀態(tài)地址自動配置(以DHCPv6為代表)和無狀態(tài)地址自動配置(stateless address auto-configuration，SLAAC)。

有狀態(tài)地址自動配置模式下，主要采用動態(tài)主機(jī)配置協(xié)議(Stateful DHCPv6)。由DHCPv6服務(wù)器負(fù)責(zé)統(tǒng)一管理，節(jié)點(diǎn)通過Client/Server方式從DHCPv6服務(wù)器地址池中得到地址，并給節(jié)點(diǎn)提供了DNS服務(wù)器地址、域名等信息。利用DHCPv6，網(wǎng)絡(luò)管理員能夠知道網(wǎng)絡(luò)上連接著哪些節(jié)點(diǎn)設(shè)備及其地址等信息，從而實(shí)施精確管理。

無狀態(tài)地址自動配置模式下，主機(jī)通過接收鄰接路由器宣告的全球路由前綴，結(jié)合接口標(biāo)識符，從而生成一個全球單播地址。無狀態(tài)地址自動配置方式在IPv6客戶端上實(shí)現(xiàn)，方法是偵聽這些本地路由器通告(router advertisement，RA)，然后將通告的前綴形成可在網(wǎng)絡(luò)上使用的唯一地址。為此，路由器宣告的網(wǎng)絡(luò)前綴必須公布明確的前綴長度(如64位)；之后，SLAAC將動態(tài)地形成一個長度為64位的接口標(biāo)識符，并且在宣告的前綴末尾予以添加以形成一個IPv6地址。

最初，在無狀態(tài)地址自動配置模式下，接口標(biāo)識符是使用EUI-64規(guī)則形成的(與形成鏈路本地地址的規(guī)則相同)，當(dāng)前部分IPv6設(shè)備仍使用此方法。目前EUI-64方法已被逐步棄用，這是因為MAC地址會暴露節(jié)點(diǎn)隱私，存在一定的安全隱患。當(dāng)前很多操作系統(tǒng)，例如Microsoft等都已不再使用EUI-64方法，而是主要利用RFC 4941等定義的額外隱私擴(kuò)展方法。

2.2 無狀態(tài)地址自動配置的EUI-64模式

若按照EUI-64規(guī)范流程，主機(jī)(以H1命名為例)將按以下方式生成EUI-64接口地址：

首先，前綴信息2000:1234:5678::/64將從所在鏈路上的路由器R1的RA消息中學(xué)習(xí)，并成為初始前綴。然后，客戶端標(biāo)識符將從分配給H1的MAC地址中創(chuàng)建，此處假定MAC為0200:5555:7777。EUI-64轉(zhuǎn)換的第一步是將MAC地址分成兩半，并在中間放置FF:FE，結(jié)果為0200:55FF:FE55:7777。然后，第7位將被翻轉(zhuǎn)，在這種情況下，前8位是00000010(0x02)。接下來，第7位被翻轉(zhuǎn)并且該位變?yōu)?，導(dǎo)致00000000(即0x00)，得出0000:55FF:FE55:7777的最終主機(jī)標(biāo)識符。將前綴和主機(jī)標(biāo)識符放在一起時，獲得H1的IPv6地址為2000:1234:5678:0000:0000:55FF:FE55:7777，可以將其縮短為2000:1234:5678::55FF:FE55:7777。由此可知，根據(jù)EUI-64生成的IID(以16進(jìn)制表示)特征較為明顯，即IID[6:10]部分為“FF FE”。

2.3 無狀態(tài)地址自動配置的隱私擴(kuò)展模式

RFC 7217 IPv6更新指定了算法來生成IPv6接口標(biāo)識符及IPv6地址，在相同網(wǎng)絡(luò)內(nèi)保持穩(wěn)定，但會隨著節(jié)點(diǎn)從一個網(wǎng)絡(luò)移動到另一個網(wǎng)絡(luò)。該算法可用表達(dá)式IPv6_IID=Hash(Net_Prefix, Net_ID, Net_Iface_ID, Secret_Key)來總結(jié)和體現(xiàn)。其中：Hash()為加密安全哈希函數(shù)；Net_Prefix為本地路由器發(fā)布的IPv6前綴；Net_ID為可選網(wǎng)絡(luò)標(biāo)識符，例如Wi-Fi網(wǎng)絡(luò)的服務(wù)集標(biāo)識符；Net_Iface_ID為底層網(wǎng)絡(luò)接口的標(biāo)識符(例如網(wǎng)絡(luò)接口名稱)；Secret_Key為秘密鍵值，通常在系統(tǒng)安裝期間作為隨機(jī)值初始化，并在重新啟動時保持不變。

由此可知，這種情況下IPv6接口標(biāo)識符是通過對多個參數(shù)連接計算安全散列獲得的，最常見的是本地路由器(Net_Prefix)和密鑰(Secret_Key)公布的網(wǎng)絡(luò)前綴。只要節(jié)點(diǎn)保持在相同網(wǎng)絡(luò)，它將維護(hù)和配置相同的IPv6地址，這是因為散列函數(shù)的所有參數(shù)保持不變。另外，由于網(wǎng)絡(luò)前綴會改變，所以一旦節(jié)點(diǎn)連接到不同的網(wǎng)絡(luò)，IPv6接口標(biāo)識符就會改變。同時，如果節(jié)點(diǎn)返回之前的鏈路，它將配置與之前相同的IPv6地址，因為用于計算該IPv6接口標(biāo)識符的所有參數(shù)都與原來相同。

3 融合多特征的IPv6地址識別

針對當(dāng)前主要存在的人工分配、EUI-64、隱私擴(kuò)展和有狀態(tài)DHCPv6等地址生成模式的差異，提出了融合多特征的IPv6地址分類識別方法。

3.1 幻數(shù)

幻數(shù)(magic numbers)屬于特征標(biāo)識，通常存在于計算機(jī)處理器、操作系統(tǒng)、調(diào)試器和文件中，一般用來標(biāo)記文件或者協(xié)議的格式。截至目前，計算機(jī)網(wǎng)絡(luò)領(lǐng)域的幻數(shù)已有很多，例如0x8BADF00D，意義為“bad food”，在iOS系統(tǒng)中用來標(biāo)識某個應(yīng)用長時間未響應(yīng)；0xB16B00B5，標(biāo)識“big boobs”，微軟Hyper-V需要Linux客戶將其作為“客戶簽名”；0xBAADF00D，即“bad food”，是LocalAlloc函數(shù)用來指示未初始化分配的堆內(nèi)存；0xBADDCAFE，代指“bad cafe”，是動態(tài)鏈接庫Libumem用來指出未被初始化的內(nèi)存區(qū)域；0xDEADBEEF，即“dead beef”，通常表示軟件崩潰或嵌入式系統(tǒng)陷入死循環(huán)。

IPv6地址應(yīng)用16進(jìn)制表示法時，包含32個16進(jìn)制字符，故在語義表達(dá)上具有相當(dāng)明顯的優(yōu)勢。根據(jù)對幻數(shù)的統(tǒng)計歸納與特征識別，對于IPv6人工分配的地址能夠有效予以篩選。

3.2 信息熵

雖然當(dāng)前操作系統(tǒng)所采用的隱私擴(kuò)展方式不盡相同，但其本質(zhì)仍以散列計算方法為核心。依據(jù)散列算法的特性，對于大量輸入，其計算結(jié)果符合均勻分布，生成的散列值具備良好的隨機(jī)性。

熵用以衡量系統(tǒng)的混亂程度或紊亂程度。Shannon[9]借鑒熵的概念，將排除冗余之后的平均信息量定義為信息熵，用以表征一個信源的不確定性、分散性、無序性和變異性等，即涵蓋信息量的多少，公式如下：

(1)

式中：X代表信源的n種不同取值x1,x2,…，xi，…,xn，對應(yīng)的概率為p(x1),p(x2), …，p(xi), …,p(xn)。由式(1)可知，若信源樣本差異較大，則信息熵的值相應(yīng)較大。換言之，變量的不確定性越大，則信息熵值越大。據(jù)此，利用信息熵的特性，IPv6地址的隨機(jī)程度和無序程度能夠通過信息熵的計算得以體現(xiàn)。

3.3 IPv6地址分類識別

由于人工分配、EUI-64、隱私擴(kuò)展和DHCPv6方法在生成模式上有相對顯著的差異，故IPv6地址的生成階段擬采用融合多種特征的識別方法對活躍IPv6地址進(jìn)行分類。

按照難度遞增的規(guī)則，首先，EUI-64方法中針對接口識別符中的“FFFE”設(shè)置較為明確，所以可以率先篩出；然后，通過統(tǒng)計和編制幻數(shù)表，將IPv6地址與計算機(jī)網(wǎng)絡(luò)領(lǐng)域典型的幻數(shù)進(jìn)行比對，如果IPv6地址中存在幻數(shù)則應(yīng)歸類為人工配置地址；最后，針對接口標(biāo)識符空間進(jìn)行信息熵的計算，根據(jù)熵值大小予以判定。

需要指出，有狀態(tài)DHCPv6目前包含順序生成模式和隨機(jī)生成模式，順序生成模式往往相對固定，通常從低位到高位依次賦予地址；而隨機(jī)生成模式針對整個IID空間進(jìn)行計算，結(jié)果呈現(xiàn)類似隱私擴(kuò)展的無規(guī)則。因此，無狀態(tài)地址自動分配中隱私擴(kuò)展模式與DHCPv6隨機(jī)模式的計算結(jié)果，符合相對理想的隨機(jī)性和無序性，此種情況下其信息熵值一般相對較大。

IPv6地址分類流程見圖2。本研究從IPv6地址生成的原理出發(fā)，融合上述特征模式對活躍IPv6地址進(jìn)行分類。其中，利用信息熵實(shí)施判斷時，其判定閾值需要根據(jù)已有的地址數(shù)據(jù)集進(jìn)行迭代測算，從而獲得有效閾值。

圖2 IPv6地址分類流程Fig.2 IPv6 address classification process

4 實(shí)驗

為了測試方法的有效性，本研究利用真實(shí)活躍的IPv6數(shù)據(jù)集[10]予以驗證，該數(shù)據(jù)集包含的IPv6地址數(shù)為2 510 209。依照本研究設(shè)計的分類識別方法，驗證流程如下：

第一步，人工抽取樣本，對基于EUI-64的IPv6地址數(shù)據(jù)集(稱為A類)和基于幻數(shù)的IPv6地址數(shù)據(jù)集(稱為B類)進(jìn)行標(biāo)注。其中，利用“FF FE”字段匹配EUI-64地址生成特征，而后通過自建常用幻數(shù)集，篩選出含有幻數(shù)字符串的IPv6地址。

第二步，識別SLAAC隱私擴(kuò)展類型與DHCPv6類型地址。考慮到有狀態(tài)DHCPv6包含順序生成和隨機(jī)生成兩種模式，而DHCPv6隨機(jī)生成的IPv6地址與隱私擴(kuò)展的生成地址特征相似，故將二者作為同類(稱為C類)進(jìn)行處理。與之對應(yīng)，DHCPv6順序生成的IPv6地址(稱為D類)，其有序性較為顯著。

計算接口標(biāo)識符部分的信息熵可知，C類地址與D類地址的熵值存在部分交叉。故此，通過逐步縮短步長的方式發(fā)掘最優(yōu)閾值。分析顯示當(dāng)熵值逼近2.65時，對上述兩類地址的區(qū)分效果最佳，所以將接口標(biāo)識符熵值大于2.65的部分地址歸為C類地址、小于2.65的歸為D類地址。需要指出，根據(jù)前期實(shí)驗，針對不同的IPv6地址集，建議在[2.63,2.65]尋找最優(yōu)熵值。除此之外，考慮到服務(wù)器節(jié)點(diǎn)或路由節(jié)點(diǎn)的重要影響，也存在部分人工配置地址同樣符合此種情況的信息熵判定結(jié)果。

真實(shí)IPv6地址數(shù)據(jù)集分類占比情況如圖3所示。由于基于幻數(shù)的數(shù)據(jù)集(B類)占比僅有0.01%，故在圖3中近似于不可見。比例最高的地址分類為有狀態(tài)DHCPv6順序分配(D類)，其次為SLAAC隱私擴(kuò)展/DHCPv6隨機(jī)化類型(C類)。基于EUI-64的地址分類占比為13.18%(A類)，然而考慮到內(nèi)嵌MAC地址存在信息泄露的問題，可以預(yù)見未來A類地址的生成數(shù)量會越來越少。

圖3 IPv6地址分類占比Fig.3 Proportions of IPv6 address classification

將分類結(jié)果同手動構(gòu)建的數(shù)據(jù)標(biāo)注集進(jìn)行正確率統(tǒng)計，具體如圖4所示。B類地址最終的分類正確率為98.76%，其原因為在自建的幻數(shù)集之外仍發(fā)現(xiàn)了新的字符串，使得正確率低于預(yù)期，故需要不斷挖掘并擴(kuò)充幻數(shù)集合。將新的幻數(shù)增補(bǔ)至集合之后，能夠完全予以識別。C類和D類地址在當(dāng)前熵值為2.65的情況下，存在少量的誤分類，其分類正確率分別為99.48%和98.63%。

圖4 IPv6地址的分類正確率Fig.4 Accuracy statistics of IPv6 address classification

5 結(jié)語

作為下一代互聯(lián)網(wǎng)通信解決方案，基于IPv6的網(wǎng)絡(luò)部署與應(yīng)用已在迅速落地實(shí)施。鑒于地址生成方式的多樣性，開展對IPv6地址分類識別的研究有助于未來的網(wǎng)絡(luò)監(jiān)管、安全評測等。本研究從地址生成模式入手，設(shè)計并實(shí)現(xiàn)了融合多特征的IPv6地址分類識別方法，并通過真實(shí)活躍的IPv6數(shù)據(jù)集證明了其有效性。