一种基于异构图注意力网络的IPv6目标生成算法，用于非种子前缀

《Scientific Reports》：A heterogeneous graph attention network based IPv6 target generation algorithm for nonseed prefixes

　　

摘要

IPv6地址空间的庞大规模和稀疏分布给高效扫描带来了相当大的挑战。当前的IPv6目标地址生成算法主要依赖于种子地址的模式挖掘来生成目标地址，但在遇到非种子前缀时可能会出现失败。为了解决这个问题，研究人员提出了针对非种子前缀的IPv6目标地址生成算法。然而，现有方法存在一些局限性，例如仅利用单一特征、未能充分使用Whois辅助信息以及无法处理缺失的Whois信息，从而导致目标地址命中率和前缀覆盖率较低。因此，我们提出了6HAN算法，该算法首次采用了异构图注意力网络来建模多模态相关性。6HAN首先利用IPv6前缀及其Whois元数据构建了一个异构图，然后将Whois辅助属性与前缀结构特征相结合生成前缀嵌入，并设计了一个双任务联合自监督框架进行模型训练。最后，6HAN通过基于图神经网络的相关性预测来补全缺失的Whois字段，检索相似的种子前缀以形成非种子前缀地址模式，并生成高质量的IPv6目标地址。实验结果表明，在发送5000万个探测包的情况下，与HMap6和AddrMiner-N相比，6HAN的命中率提高了13.81%-201.05%，前缀覆盖率提高了17.41%-233.58%。