IP2vec：用于 IP 地理定位的 IP 节点表示模型

基于摘要分析。该研究针对基于测量的 IP 地理定位中，网络时延的距离特征与节点连接关系难以有效联合利用的问题，提出 IP 节点表示模型 IP2vec，并将其用于街道级 IP 地理定位。核心贡献是把时延和拓扑邻近性编码到节点向量中，再学习节点表示到地理位置的映射。 方法流程包括：测量已知位置的地标节点与目标 IP，获取时延及路径信息并构建网络拓扑；使用 IP2vec 生成节点向量；以地标节点的向量及其位置训练神经网络；最后输入目标 IP 的向量预测其地理位置。该流程依赖网络路径、节点间时延以及地标位置监督，而非神经信号。摘要未披露节点表示的具体目标函数、时延与拓扑信息的融合方式或位置回归网络结构，相关细节尚未验证。 作者报告，在纽约、北京、香港和郑州共 10023 个目标 IP 的交叉验证实验中，该算法可实现街道级定位；在所述实验设置下，相较 Hop-Hot、IP-geolocater 和 SLG，平均地理定位误差分别降低 33%、39% 和 51%。这些数值是相对误差降幅，而非准确率或百分点变化。摘要未提供绝对定位误差、交叉验证划分方式及各城市分项结果，因而尚不能判断跨城市泛化表现。 复现需核对网络测量条件、地标覆盖、拓扑构建规则、训练与测试节点的划分，以及各基线的配置。实验协议、消融及统计信息尚未验证。材料未建立网络时延定位与 EEG/BCI 任务之间的具体机制对应，因此不据此提出迁移效果判断；相关 EEG 工作尚未检索确认。