[论文解读] A Study of Geolocation Databases

Yuval Shavitt, Noa Zilberman|arXiv (Cornell University)|May 31, 2010

Geographic Information Systems StudiesSocial Sciences参考文献 25被引用 20

一句话总结

本文提出一种新颖方法，通过基于网络结构和延迟测量将IP地址分组为接入点（PoPs），实现高置信度的地理定位验证。该方法评估了商业和学术IP地理定位数据库的准确性，结果显示存在广泛错误——高达40%的PoP内部IP被映射到100公里半径以外的位置，表明即使结果高度相关，地理定位数据库也不能作为真实基准，其可靠性存疑。

ABSTRACT

The geographical location of Internet IP addresses has an importance both for academic research and commercial applications. Thus, both commercial and academic databases and tools are available for mapping IP addresses to geographic locations. Evaluating the accuracy of these mapping services is complex since obtaining diverse large scale ground truth is very hard. In this work we evaluate mapping services using an algorithm that groups IP addresses to PoPs, based on structure and delay. This way we are able to group close to 100,000 IP addresses world wide into groups that are known to share a geo-location with high confidence. We provide insight into the strength and weaknesses of IP geolocation databases, and discuss their accuracy and encountered anomalies.

研究动机与目标

• 评估商业和学术IP地理定位数据库的准确性，这些数据库被广泛使用，但缺乏可靠的基准用于验证。
• 开发一种基于网络延迟和拓扑结构的高置信度识别共置IP地址的方法，从而为地理定位评估提供间接基准。
• 调查多个数据库之间的差异，识别系统性错误，例如将大块IP地址默认分配至ISP总部位置。
• 评估基于测量的地理定位工具（如Spotter）的性能，并与基于数据库的方法进行比较。
• 为安全、研究和应用目的提供关于地理定位数据可靠性的见解。

提出的方法

• 使用结合网络延迟和拓扑结构的混合算法将IP地址分组为PoPs，最大限度减少非共置IP的误报。
• 将PoP分组作为基准的代理：若同一PoP内的多个IP被映射到不同位置，则认为数据库不一致。
• 通过计算所有IP在PoP内被映射到的半径范围来衡量数据库准确性——半径越小，准确性越高。
• 在相同PoP集合上比较多个数据库，以检测一致性并识别异常值，采用多数投票法推断可能的正确位置。
• 通过分析不同区域和半径下的收敛性与一致性，评估基于测量的地理定位（如Spotter）的性能。
• 分析区域性能差异，特别是欧洲与美国之间的差异，以评估探测点分布对准确性的影响。

实验结果

研究问题

• RQ1 当使用基于PoP分组推导出的代理基准进行验证时，商业和学术IP地理定位数据库的准确性如何？
• RQ2 地理定位数据库之间的一致性程度如何？有多大比例的IP地址被错误地映射到相距数千公里的位置？
• RQ3 基于测量的地理定位（如Spotter）与基于数据库的方法相比表现如何，尤其是在不同地理区域之间？
• RQ4 为何某些数据库会持续将同一默认位置（如ISP总部）分配给大块IP地址？这如何影响准确性？
• RQ5 基于PoP的分组能否作为无需外部真实基准即可可靠验证地理定位数据库的方法？

主要发现

• Netacuity将超过40%的同一PoP内IP映射到100公里半径以外的位置，表明尽管其成本高昂，仍存在显著不准确。
• 在美国，Spotter在40公里半径内的收敛率仅为44%，而欧洲为78%，主要由于PlanetLab探测点分布不均。
• 尽管数据库之间相关性较强，仍有高达20%的测量结果存在足以产生误导的大误差，即使在100公里半径范围内。
• 当应用多数投票时，Netacuity在识别正确位置方面表现更一致，但少数投票仍指向错误或遥远的国家。
• 基于测量的地理定位工具（如Spotter）在100公里半径内收敛率超过80%，但仍不足以作为PoP映射的唯一方法，因存在固有的测量噪声。
• 本研究证实，地理定位数据库不能被视为真实基准，因其包含跨越数千公里和多个国家的系统性错误。