路由器所属自治系统（Autonomous System,AS）推断技术将路由器准确映射到其所属的自治系统,是Internet拓扑研究的重要组成部分,在网络结构分析、网络边界识别、网络弹性评估、域间拥塞检测等方面具有重要的应用价值。然而,由于邻居AS之间共享地址空间以及存在第三方地址等因素,准确推断路由器的所属AS存在一定难度。现有方法的推断结果不具有可信度分析,同时准确率仍有提升空间。为此,本文提出了三种路由器所属AS推断方法来解决上述问题,聚焦于提高路由器所属AS推断的准确率,主要工作和创新点如下:1.针对现有经典的路由器所属AS推断方法bdrmap IT对于路径末端路由器的推断准确率不足的问题,提出了一种基于域内和域间连接分类的路由器所属AS推断方法。该方法设计了具有显著区分性的IP地址向量距离特征、IP连接的AS关系特征和扇入扇出特征,以支持IP连接类型判别,建立了以IP连接类型为隐变量的概率模型,实现了对域内连接和域间连接的准确分类,利用连接类型附加的信息量丰富了路由器所属AS判别的依据,提高了推断结果的准确性。实验结果表明,在两个验证集上该方法的准确率分别达到了96.4%和94.6%,与现有的经典方法相比提高了3.2%～11.2%。2.针对现有的路由器所属AS推断结果缺少可信度分析,且精准率不足的问题,提出了一种基于置信传播的路由器所属AS推断方法。该方法在构建目标AS路由器级拓扑的基础上,设计了四类共存特征,以支持路由器的目标AS域内、域间和域外连接类型判别,利用马尔科夫随机场构建了共存特征的概率矩阵,通过置信传播算法计算出路由器节点的边缘概率分布,得到了每个路由器属于目标AS的可信度。实验结果表明,该方法可以实现路由器所属AS的高精度推断,其F1值可达到91%,与现有的典型方法相比增加了5.6%～8.3%,所给出的可信度有助于对推断结果进行差异性比较。3.针对不同路由器所属AS方法的推断结果存在冲突的问题,提出了一种基于真值发现的路由器所属AS推断多源结果融合方法。该方法利用真值发现的思想,将不同方法的结果作为输入,通过深度神经网络进行无监督的真值发现,从而达到提高推断准确率的目的。实验结果表明,融合多源结果后的准确率最高达到96.8%,高于现有方法和使用简单投票策略进行融合的方法。最后对本文工作进行了总结,并对下一步的研究工作进行了展望。