C'è un modo per usare un indirizzo IP per localizzare altri posti in cui è stato utilizzato?
Come utilizzare l'indirizzo IP per vedere tutto ciò che è pubblico su Internet, dai commenti a un blog, per accedere a un sito?
Gli IP sono più o meno pubblici, quindi mi chiedevo se esistesse un modo per sapere che altro pubblico è stato utilizzato da quell'IP.
Solo se:
Né è probabile che tu collabori con te a meno che tu non sia un ufficiale di polizia e tu abbia un mandato di perquisizione firmato da un giudice.
Sarebbe una grave violazione della privacy e richiederebbe a tutti i siti Web di condividere queste informazioni: questo IP lo ha fatto sul mio sito web. Qualcuno dovrebbe quindi raggruppare tutte queste informazioni.
Ma un IP può essere considerato PII (informazioni personali identificabili) e quindi la condivisione di questo tipo di informazioni non è consentita.
Sembra che tu stia cercando di fare qualcosa di sospetto. Perché vorresti sapere che cosa ha fatto un determinato IP su Internet?
Come aggiunta alle risposte e ai commenti sopra citati.
Se si tratta di un abuso, che ne dici di un rapporto di abuso per l'ISP.
Non sono sicuro che il documento sottostante sia quello che stai cercando. Ma dubito che qualcuno possa usare liberamente tali strumenti. Spero che aiuti.
Potrebbe essere utile anche una sorta di data mining, ci sono alcuni documenti online, forse un po 'vecchi.
3.6 Conclusions In this chapter we have presented a comprehensive discussion the Web personalization process viewed as an application of data mining which must therefore be supported during the various phases of a typical data mining cycle. We have discussed a host of activities and techniques used at different stages of this cycle, including the prepro- cessing and integration of data from multiple sources, and pattern discovery techniques that are applied to this data. We have also presented a number of specific recommen- dation algorithms for combining the discovered knowledge with the current status of a user’s activity in a Web site to provide personalized content to a user. The approaches we have detailed show how pattern discovery techniques such as clustering, association rule mining, and sequential pattern discovery, and probabilistic models performed on Web usage collaborative data, can be leveraged effectively as an integrated part of a Web personalization system. While a research into personalization has led to a number of effective algorithms and commercial success stories, a number of challenges and open questions still remain. A key part of the personalization process is the generation of user models. The most commonly used user models are still rather simplistic, representing the user as a vector of ratings or using a set of keywords. Even where more multi-dimensional or ontological information has been available, the data is generally mapped onto a single user-item table which is more amenable for most data mining and machine learning techniques. To provide the most useful and effective recommendations, personalization systems need to incorporate more expressive models. Some of the discussion on the integration of semantic knowledge and ontologies in the mining process suggests that some strides have been made in this direction. However, most of this work has not, as of yet, resulted in true and tested approaches that can become the basis of the next generation personalization systems. Another important and difficult of challenge is the modeling of user context. In par- ticular profiles commonly used today lack in their ability to model user context and dynamics. Users access different items for different reasons and under different con- texts. The modeling of context and its use within recommendation generation needs to be explored further. Also, user interests and needs change with time. Identifying these changes and adapting to them is a key goal of personalization. However, very little re- search effort has been expended the evolution of user patterns over time and their impact on recommendations. This is in part due to the trade-offs between expressiveness of the profiles and scalability with respect to the number of active users. Solutions to these important challenges are likely to lead to the creation of the next- generation of more effective and useful Web personalization and recommender systems that can be deployed in increasingly more complex Web-based environments. References
da qui Ricerca minerale google per "data mining per profilo utente ip" o forse "mining utilizzo web".