拓扑引导IP地理定位模型

通过自监督边建模与角色感知消息传递，联合优化图结构与表示学习，在噪声与缺失链路下保持稳健定位精度。

Liu, Xueting · Tai, Wenxin · Ting, Zhong · Wang, Yong · Chen, Kai · Zhou F.

Information Processing and Management 2026

参数信息

纽约中位定位误差

0.868 km

洛杉矶中位定位误差

1.626 km

上海中位定位误差

3.577 km

技术优势

噪声下误差不升

自适应消息过滤能抑制噪声节点的影响，即便网络结构受到扰动或链路缺失，定位中位误差仍低于对比方法。

城市间误差差异收窄

在纽约、洛杉矶、上海三个数据差异明显的城市，中位误差分别为0.868 km、1.626 km、3.577 km，波动范围小于多数基线。

大规模网络可扩展

TRFGeo在涵盖31万个IP地址的数据集上完成训练与评估，表明该框架能处理大规模测量数据。

应用场景

• 网络测量：在网络测量中提供更准确的城市级IP定位，支持流量工程与网络优化。
• IP定位服务：提升定位服务的城市级精度，用于内容分发和广告投放等场景。
• 卫星互联网：为卫星互联网的地面站选址和用户管理提供可靠的IP地理信息。
• 毫米波通信：为毫米波通信的波束管理提供用户位置估计，辅助定向传输。
• 低空飞行器：为低空飞行器的航路规划与监管提供IP定位数据支撑。