Como Funciona Realmente a Geolocalização de IP

Como funciona a geolocalização por IP?

Um endereço IP não contém coordenadas. Não há chip GPS no protocolo, nem campo de latitude no cabeçalho do pacote, nem baliza que comunique onde está uma máquina. Um endereço IPv4 tem 32 bits de informação de encaminhamento; um endereço IPv6 tem 128. Tudo o que um serviço de geolocalização lhe diz acerca do local é inferido a partir de indícios que rodeiam o endereço, e não lido a partir dele. Compreender como funciona essa inferência — e onde ela falha — é o que distingue usar bem uma ferramenta como o rastreador de interpretar mal o seu resultado.

A resposta curta à pergunta "como funciona a geolocalização por IP" é esta: as bases de dados correlacionam vários sinais públicos independentes acerca de um bloco de endereços, ponderam-nos entre si e publicam uma melhor estimativa com um nível de confiança. A resposta longa merece ser percorrida camada a camada.

Primeira camada: registos de registo

Todos os endereços IP públicos são atribuídos por um de cinco Registos Regionais da Internet: ARIN (América do Norte), RIPE NCC (Europa, Médio Oriente e Ásia Central), APNIC (Ásia-Pacífico), LACNIC (América Latina e Caraíbas) e AFRINIC (África). Cada registo publica quem detém qual bloco e o país registado do titular. Este é o sinal de base: é fidedigno, público e raramente errado ao nível do país para endereços que permanecem onde foram atribuídos. Nada diz sobre cidades e nada diz sobre onde estão os clientes individuais do titular — a atribuição inteira de um ISP nacional traz um único endereço de titular. O registo também associa cada bloco a um Sistema Autónomo, razão pela qual uma consulta de ASN é muitas vezes a parte mais fiável de qualquer rastreio.

Segunda camada: dados publicados pelos ISP

Alguns operadores de rede publicam voluntariamente os seus próprios dados de geolocalização. A forma normalizada é um geofeed — um ficheiro CSV, descrito no RFC 8805, que mapeia intervalos de endereços para um país, região e cidade. Quando um ISP mantém um geofeed rigoroso, os fornecedores de bases de dados tratam-no como entrada de elevada confiança, porque o operador sabe melhor do que ninguém que prefixo serve que área metropolitana. A cobertura é desigual: as grandes redes de conteúdos e os ISP mais previdentes publicam feeds; muitos operadores não publicam nada e alguns publicam feeds desatualizados.

Terceira camada: medição de latência

A luz na fibra está limitada pela física. Se um servidor de sondagem em Frankfurt alcança um endereço em 4 milissegundos, esse endereço não pode estar em São Paulo. Os fornecedores exploram redes de medição que fazem ping a intervalos de endereços a partir de dezenas de pontos de observação e triangulam: cada tempo de ida e volta desenha um círculo de distância máxima e a interseção de muitos círculos restringe a área plausível. A triangulação por latência é boa a excluir regiões e medíocre a fixar cidades, porque desvios de encaminhamento, atrasos de fila de espera e a tecnologia da última milha inflacionam todos, de forma imprevisível, os tempos de ida e volta.

Quarta camada: correlação de GPS por colaboração coletiva

O sinal mais granular vem de dispositivos que comunicam ambas as coisas ao mesmo tempo. As aplicações móveis e os sítios web que pedem permissão de localização observam uma leitura de GPS e o IP público a partir do qual esta chegou; agregado ao longo de milhões de sessões consentidas, isto constrói um mapa estatístico de que intervalos de endereços surgem em que bairros. É poderoso e perecível: os ISP reatribuem conjuntos de endereços e um bloco que no trimestre passado se agrupava num subúrbio pode servir outro hoje. É também, e isto é importante, um dado agregado sobre intervalos — não identifica nem pode identificar o indivíduo por detrás de um único endereço, um ponto abordado com mais detalhe em se um IP revela a sua morada.

Quinta camada: pistas de nome de anfitrião

Os engenheiros de rede dão aos routers nomes de lugares. Uma consulta de DNS inverso num salto de rede principal devolve muitas vezes algo como lon-edge-02.example.net ou ae1.cr2.ord7.example.net — códigos de aeroporto e de cidade incorporados por convenção (LON para Londres, ORD para Chicago). Analisar estes nomes de anfitrião localiza a infraestrutura, e um endereço de utilizador final encaminhado através de um ponto de presença nomeado é provavelmente servido a partir de um local próximo. O sinal é circunstancial: as convenções de nomes variam consoante o operador, os nomes sobrevivem às deslocalizações e o cliente pode estar a centenas de quilómetros do router de fronteira que o serve.

Porque é que a resposta é uma estimativa e não uma fixação

Nenhuma camada isolada é decisiva, pelo que os fornecedores as combinam. Onde as camadas concordam — o país do registo coincide com as restrições de latência, um geofeed nomeia a mesma cidade que os agrupamentos de GPS sugerem — a confiança é elevada. Onde entram em conflito, a estimativa alarga-se. É por isso que um resultado honesto traz sempre um raio de confiança em vez de um ponto: o resultado significa "este intervalo serve muito provavelmente esta área", nunca "este dispositivo está nestas coordenadas". A exatidão medida reflete essa estrutura: as respostas ao nível do país estão certas em cerca de 95 a 99 por cento das vezes, as respostas ao nível da região em 55 a 80 por cento e as respostas ao nível da cidade em 50 a 75 por cento na banda larga fixa — com operadores móveis, saídas de VPN e ligações por satélite frequentemente erradas a todos os níveis. Os números completos estão em qual a exatidão da geolocalização por IP.

Como são compiladas as bases de dados

Produtos como o DB-IP (que alimenta a camada de localização do Uplink Trace) e o GeoLite2 da MaxMind ingerem continuamente as cinco camadas, resolvem conflitos de forma algorítmica e publicam instantâneos — normalmente mensais nas edições gratuitas, com mais frequência nas comerciais. O ciclo de atualização importa, porque o mapa de endereços da internet se move por baixo dela. Quando um bloco é vendido, alugado ou reanunciado a partir de um novo país, todas as bases de dados que ainda não o reobservaram continuam a comunicar a localização antiga. As atribuições desatualizadas são a causa mais comum, isoladamente, de um resultado com país errado: um intervalo de endereços transferido de um corretor europeu para um operador de nuvem asiático pode geolocalizar-se no continente errado durante meses. Verificar a rede que anuncia — ver o que é um ASN — expõe muitas vezes a discrepância, porque os anúncios de BGP atualizam-se em minutos ao passo que os instantâneos de geolocalização atualizam-se em semanas.

Para ver as camadas reunidas num dossiê em tempo real, execute o rastreio de exemplo de 8.8.8.8: os dados de registo, o operador do AS, o DNS inverso e a estimativa de geolocalização surgem lado a lado, cada um rotulado com o que pode e não pode afirmar. Essa transparência é o objetivo. A geolocalização por IP é um instrumento estatístico bem calibrado para situar redes em regiões aproximadas — e um instrumento categoricamente errado para localizar pessoas, o que não consegue fazer.