本书共 14 章，围绕下一代互联网安全领域的核心挑战――IPv6 网络实体的高精度定位与多维度脆弱性评估展开系统研究。第 1 章为绪论。第 2 章为相关知识与工具。第 3 章为基于时延特征的边界路由 IP 定位算法。第 4 ～ 9 章针对 IPv6 地址稀疏性、动态性、低存活度及多穴性等关键问题提出了 HpGraphNEI、HGL_GEO、SubvectorS Geo 等创新性 IP 定位算法。第 10 ～ 13 章构建了“拓扑结构―网络实体―应用软件”三位一体的脆弱性评估体系，实现从宏观网络结构到微观软件属性的全链条风险感知。第 14 章为总结与展望。本书体系完备、内容前沿，兼具理论深度与实践指导价值，适合网络空间安全、下一代互联网架构、网络测量与智能安全等相关领域的研究人员、高校师生及工程技术人员阅读参考，旨在为推动全球 IPv6 安全治理与防御体系建设提供学术支撑与技术借鉴。
马照瑞，博士，硕士生导师，高级工程师。作为副主编，参编《JSP程序设计技术教程》（第2版）、《计算机应用基础》教材两部。曾先后发表了"HGL_GEO : Finer-grained IPv6 Geolocation Algorithm based on HyperGraph Learning”"GraphNEI: A GNN-based Network Entity Identification Method for IP Geolocation”等论文20余篇，其中SCI/EI期刊检索9篇，申请发明专利15项，软件著作权15项。河南省教育信息化协会（河南省教育厅指导）常务理事、副秘书长、数据安全专业委员会办公室主任、网络安全专业委员会副主任。
第 1 章 绪论 001
1.1 研究背景与意义 001
1.2 研究现状 002
1.3 研究难点及创新内容 009
第 2 章 相关知识与工具 013
2.1 IPv6 地址 013
2.2 地址生成及扫描技术 015
2.3 地标 016
2.4 IPv6 网络空间测量 017
2.5 图 021
2.6 网络实体识别 030
2.7 探测与扫描工具 031
2.8 测绘平台 049
2.9 本章小结 063
第 3 章 基于时延特征的边界路由 IP 定位算法 064
3.1 问题提出 064
3.2 相关工作 067
3.3 研究方法 070
3.4 实验数据集及结果 073
3.5 讨论与分析 076
3.6 总结与展望 079
第 4 章 HpGraphNEI：基于异配图学习的网络
实体识别模型 080
4.1 问题提出 080
4.2 相关工作 082
4.3 HpGraphNEI 模型 083
4.4 实验与分析 090
4.5 本章小结 095
第 5 章 基于特征聚类的 IPv6 地标表示方法 096
5.1 问题提出 096
5.2 IPv6 地标收集 098
5.3 实验与分析 105
5.4 本章小结 111
第 6 章 基于神经网络的 IPv6 定位算法 112
6.1 问题提出 112
6.2 相关工作 114
6.3 SubvectorS_Geo 算法 116
6.4 实验与分析 122
6.5 本章小结 127
第 7 章 基于区域路由节点的层次分类 IP 定位模型 128
7.1 问题提出 128
7.2 GWS-Geo 模型和目标 IP 定位步骤 129
7.3 实验与分析 137
7.4 本章小结 144
第 8 章 基于超图神经网络的社区发现 IP 定位模型 146
8.1 问题提出 146
8.2 HGL_GEO 定位算法 147
8.3 实验与分析 156
8.4 本章小结 163
第 9 章 基于网络实体属性的 IP 定位算法 164
9.1 问题提出 164
9.2 GraphNEI 模型及定位算法 166
9.3 实验与分析 173
9.4 本章小结 183
第 10 章 GraphNV：基于图注意力网络的网络节点
脆弱性评估方法 184
10.1 问题提出 184
10.2 相关工作 186
10.3 GraphNV 模型 187
10.4 实验与分析 192
10.5 本章小结 198
第 11 章 TransformerNEI：基于 Transformer 的
网络实体识别模型 199
11.1 问题提出 199
11.2 模型化框架及主要步骤 200
11.3 实验与分析 205
11.4 本章小结 210
第 12 章 NR-GAT：基于图注意力网络的网络节点
脆弱性评估方法 211
12.1 问题提出 211
12.2 相关工作 213
12.3 基于 NR-GAT 的网络脆弱性分析模型 214
12.4 实验与分析 217
12.5 本章小结 221
第 13 章 HGL-SSCR：基于超图学习的软件供应链
风险评估模型 222
13.1 问题提出 222
13.2 相关工作 224
13.3 HGL-SSCR 模型 226
13.4 实验与分析 233
13.5 本章小结 242
第 14 章 总结与展望 243
14.1 工作总结 243
14.2 未来工作展望 245
参考文献 247
书单推荐
