准确掌握网络路由器级拓扑结构是网络优化设计、网络故障诊断、网络安全维护等工作的基础。现有研究提出了很多路由器级拓扑识别方法,但这些方法在复杂的真实网络环境中的应用还存在两方面问题:1)获取完整网络拓扑需要对测量数据中的匿名路由器进行识别,传统网络匿名路由器识别方法大多致力于寻找匿名接口与非匿名接口构成的特殊模式,识别结果强依赖于给定模式与测量数据的质量,匿名路由器识别准确性低;2)现有方法没有考虑网络的动态性,仅根据网络测量结果给出某一历史状态的拓扑图,但实际中网络拓扑出于网络攻击、设备自身故障等原因,并非保持静态不变,因此需要对拓扑进行动态更新。针对上述问题,本文针对互联网拓扑识别与变化感知方法进行改进,主要贡献概括如下:（1）提出了一种基于最大似然估计的网络匿名路由器识别方法。该方法将traceroute测量结果作为输入,利用无监督神经网络训练的方式将接口映射到高维向量空间提取接口特征,然后基于接口连接特征与路由协议约束定义接口距离评价指标,并引入最大似然估计的思想设计启发式算法实现匿名路由器识别。通过实验证明,该方法即使在traceroute测量覆盖率不高的情况下也能取得较好的识别效果,能够有效提升匿名路由器识别的准确性。（2）提出了一种基于突发检测的网络拓扑变化感知与定位方法。该方法基于收集的端到端时延序列,引入突发检测的方法识别网络中存在较大时延变化的路径,然后从路径级突发与节点级突发的关系出发构建线性方程组,在网络拓扑最小变化的约束下将问题转化成整数线性规划问题,通过求解路径中节点的突发状态实现网络拓扑变化的定位。通过NS3仿真验证,该方法能够通过监测网络部分节点,较为准确地感知和定位拓扑变化,为拓扑更新提供输入。