La tarea de resolución de alias de enrutador para redes IPv4 presenta un desafío formidable en el ámbito de la inferencia de topología a nivel de enrutador. A pesar del considerable potencial exhibido por los métodos de resolución de alias basados en aprendizaje automático para redes IPv4, varias limitaciones impiden su efectividad. Estas limitaciones incluyen una baja tasa de descubrimiento de IPs con alias, la incapacidad de tener en cuenta la agregación de enrutadores y la escasez de características válidas en los esquemas actuales. En este estudio, presentamos un novedoso resolvedor de alias, AliasClassifier, que se basa en el modelo de Bosques Aleatorios y el algoritmo de triangulación de alias. Este modelo innovador identifica las seis características clave de un conjunto de cuatro comportamientos de enrutamiento predominantes que suelen emplearse para distinguir IPs con alias de IPs no alienadas. Posteriormente, AliasClassifier agrega pares de IPs con alias en enrutadores mediante un algoritmo de triangulación de alias. Los resultados experimentales demuestran que AliasClassifier sobresale en descubrir IPs con alias en redes IPv4, con una precisión de resolución de hasta el 94.8% y una tasa de recuperación del 40.4%. Su rendimiento integral supera significativamente al de resolvedores de alias de vanguardia como TreeNET, MLAR y APPLE. Además, como un analizador de alias centralizado típico, el costo de implementación de AliasClassifier es notablemente bajo. En consecuencia, AliasClassifier emerge como una herramienta ideal para la resolución de alias de enrutador en redes IPv4 a gran escala.