获取网络拓扑结构对控制、优化和管理网络具有十分重要的意义。目前网络拓扑测量方法有多种,其中应用最广泛的是依靠traceroute、ping等工具测量网络中各路由器的IP地址,通过相互之间的连接关系构建网络拓扑结构。但是出于安全等多种因素的考虑,网络中的部分节点不会响应traceroute的请求,这些不被响应的路由器被称为匿名路由器。由于匿名路由器的存在,网络测量过程中得到的数据含有大量无意义的节点信息,影响网络拓扑结构的准确性和有效性。匿名路由器识别通过合并测量的方式去掉冗余节点和冗余链路,能够提高网络拓扑测量的准确性和有效性,主要存在两类方法:基于图归纳的方法和基于网络层析成像的方法。基于图归纳的匿名路由器识别方法依据图模式对匿名路由器进行合并,但容易引起网络中节点和链路的误删,造成拓扑信息的损失。基于网络层析成像的匿名路由器识别方法通过端到端测量推断匿名路由器所在的部分网络拓扑,但该方法的效果受到匿名路由器聚类质量的制约,影响匿名路由器识别效果。针对上述两类方法的缺陷,本文对两种方法进行改进,提高了匿名路由器识别的准确度。本文的贡献可以概括为两个方面:(1)提出基于统计分析的匿名路由器识别算法:在图归纳算法的基础上,提出基于统计分析的匿名路由器识别算法,通过对含有匿名路由器的链路发送端到端测量的数据包,统计并分析各条链路的特征数值,根据各链路的特征值判断真实链路和虚假链路,再结合图归纳算法进行匿名路由器的识别。通过仿真验证,该算法能够有效地判断出真实和虚假链路,进而提高了匿名路由器识别的准确性。(2)提出基于节点扩展的图模式聚类算法:匿名路由器聚类算法是制约着层析成像算法的一个重要的因素,为提升网络层析成像算法的效率,本文提出了基于节点扩展的图模式聚类方法。该算法提出三种聚类模式,分别是带扩展的起始节点聚类,带扩展的目的节点聚类,带扩展的端节点聚类。通过仿真验证,基于节点扩展的图模式聚类方法能够最大化的将逻辑关系相近的匿名路由器聚类,聚类实际效果优于一般的聚类算法。