实体IP定位技术（简称IP定位）是通过网络测量对所获取的时延、路径等信息进行分析,进而对具有IP地址标识的网络实体所在地理位置的一种推断技术。其在安全领域和商业领域都发挥着重要作用。现有研究成果往往仅依赖于网络测量得到的网络时延和网络结构信息对实体IP进行定位,但是网络时延只是一个“距离”的概念,不具通常“位移”的特性;基于网络结构特性的定位依赖网络结构获取和描述的准确性和完整性。为此,网络实体IP的可靠定位是当前研究的难点和重点,直接关系到定位方法实际使用的有效性。本文紧紧围绕网络实体IP的可靠定位问题展开研究,提出了一种城市级定位方法和两种街道级定位方法,提升了定位结果的可靠性,论文主要工作包括:1.基于路由规则所隐含的网络节点间往往存在稳定路径的特性,提出了一种基于HopHot路径编码的实体IP城市级定位方法。该方法首先从多个探测源向位于不同城市的地标发起多次路径测量,运用别名归并等方法得到大量的路径信息,经统计获取探测源到地标的稳定路径;其次,运用所得稳定路径上的路由节点构建路径向量,基于Hop-Hot编码量化路径向量,对每个城市的内部路径进行编码;然后,基于同样的探测手段获取目标实体IP的稳定路径,运用Hop-Hot编码量化目标实体IP的路径向量;最后,基于向量余弦相似度比较,将相似度最高的地标所属的城市作为目标实体IP的估计位置。以中国和美国纽约地区的主要城市内已知位置的IP作为测试目标,实验表明:与现有典型城市级定位方法相比,本文方法具有较高的城市级定位准确率。2、针对基于时延相似性推断实体IP地理位置的可靠性问题,提出了一种基于地标聚类的IP街道级定位方法。首先,利用探测源测量已知地标得到地标的时延向量,基于时延向量对地标进行聚类;然后,基于地标的经纬度对地标进行聚类,与时延的聚类结果取交,构成多个训练集;其次,以训练集中地标的时延向量为输入,相应地标的经纬度为输出训练神经网络,得到定位模型;最后,根据定位模型,运用探测源到待定位实体IP的时延向量和路由相对跳数进行定位。方法利用地标的时延聚类和经纬度聚类构建多个训练集,每个训练集均由时延和经纬度都是相近的地标组成,消除了时延相似但地理位置不相近的地标,提升了定位的可靠性。基于香港、上海、郑州、纽约的定位实验表明,本文方法可以实现街道级定位,并且相比现有典型街道级定位方法,本文方法将定位误差在10km范围内的定位可靠性最高可提升33.0%。3、基于网络路径具有鉴别不同网络节点是否同属同一地理区域,和网络时延具有刻画网络节点间远近程度的特点,提出了一种基于时延和路径的目标实体IP街道级位置估计方法。该方法首先利用探测源对大量地标进行探测获取时延和路径信息,运用Hop-Hot编码量化探测源到地标的路径,构成地标的时延路径向量;然后分别利用地标的时延路径向量、地标的经纬度对地标进行聚类,对两类聚类结果取交,构成多个训练集;其次,构建神经网络训练器对以相应训练集中地标的时延路径向量为输入,对应地标的经纬度为输出进行训练,得到定位模型;最后,基于同样的探测手段获取目标实体IP的稳定路径和时延,构建探测源到目标实体IP的时延路径向量,利用定位模型对目标实体IP进行定位。方法中所采用的地标时延路径向量聚类消除了时延相似但地理位置不相近地标对定位的影响;地标的经纬度聚类增加了样本训练输出的一致性,两者确保了定位的可靠性。定位方法中运用的时延信息更好地刻画了同一区域网络节点的邻近性,提升了街道级定位的精度。基于香港、中国大陆、纽约共53433个地标开展了系列定位实验,结果表明本方法可以实现目标实体IP的街道级定位;相比现有典型街道级定位方法SLG和TTN,本方法在定位阈值参数为0.9、训练集规模参数为500时,将定位误差在20 km范围内的定位可靠性分别提升了19.3%和18.7%,中值误差分别下降了6.65 km和10.55 km。最后,对全文工作进行了总结,指出了文中尚存的不足和需要进一步研究的问题。