获取来源IP地址的正确姿势

背景

笔者从去年6月份开始研究IP地址，陆续踩了很多很多坑，也结识了一大批同行业的前辈。

我能说我是这个圈子里年龄最小的么…..我一直在承受我这个年纪不该有的智慧和经历。

关于IP地址的研究，此前我写过一个完整的系列，先后被未央网、雷锋网和先知社区转载。如果你想看的话，可以戳这里：反欺诈专栏

我们首次建模完成之后，迫不及待地让同事帮忙把数据提取出来，进行人工审核评估，却发现结果中有很多很多保留IP，心里哇凉哇凉的。每次和客户对接，我都花很长的时间跟对方的技术人员解释如何正确地获取来源IP地址，但是每家公司的情况都有所差别，没有一个标准方法。也有一些公司，由于相关的代码已经存在了很久，没有人维护，而业务系统的架构已经变更了多次，原有的代码，获取出来的IP都是错的。

想象一下，每天都有人在问你：127.0.0.1这个IP是啥？这个IP怎么发了那么多请求？这是不是个基站？还是服务器IP？难不成是代理？还是我们被攻击了？诶你说话啊？

关于保留IP

下面是从维基百科上摘录的保留IP地址段，共计16个(最后两个段一般会合并，也可以认为是15个)。

我经常拿这个问题去刁难人，能说出三个段的人，至少是具备网络基础知识的，说出5个以上的，一般我会请他喝酒。

连保留IP是啥都不知道的，我就得尝试用另外一种方式去跟他解释这个问题了。

保留IP可以说是TCP/IP协议的约定吧，每一个段都有相应的使用说明，都有与之对应的RFC文档。

比如，中国境内，移动设备在 4G 环境下获取到的内网IP，一般是 10.0.0.0/8 或者 100.64.0.0/10 的。

非物理隔离的网络系统，一般会是用 192.168.0.0/16，172.16.0.0/12，10.0.0.0/8 内划分内网地址，比较常见。

据@高春辉说，除了这些之外，还有一些很小的保留 IP 段，如果不详细去看完整的 whois 数据，可能都不会发现。

聊聊XFF

X-Forwarded-For（XFF）是用来识别通过HTTP代理或负载均衡方式连接到Web服务器的客户端最原始的IP地址的HTTP请求头字段。 Squid缓存代理服务器的开发人员最早引入了这一HTTP头字段，并由IETF在HTTP头字段标准化草案中正式提出。

XFF的工作机制是，每经过一层代理，由代理服务器，把tcp报文中的Source IP，添加到XFF的末尾，多个IP以逗号分隔。这里说的代理是广义的，包括负载均衡(比如阿里云SLB)，反向代理(比如Nginx)，缓存服务器(比如Squid)。

一方面，XFF提供了向后端业务系统传递用户IP的机制，后端业务系统，可以通过XFF感知到访问者的真实IP。

另一方面，XFF非常易于伪造。很多浏览器插件，可以随机填充XFF字段，如果没有一套正确的机制来处理XFF字段，而盲目地提取XFF中第一个IP作为访问者的IP，就一定会出问题。

前面提到了，来源IP是保留IP的情况，其实大多数是由于业务系统直接以TCP报文中的remote address作为来源IP使用了。而这个IP，一般是企业自己的反向代理服务器。

除此之外，XFF伪造的过程中，IP地址是随机生成的，可能会出线保留IP，非法IP，有少数情况可能会出现“未启用IP”，也就是说这个IP已经分配给特定的运营商，但是运营商还没有添加这个IP的路由，这个IP无法被外界访问，也不会访问任何人。

这些IP是动态变化的，据老高说，只有分析BGP数据的时候，才能看到哪些IP是没有被启用的。

业务系统获取来源IP的正确姿势

下面是一个简单的示意图，简单地把整个访问链路划分成可信区域和不可信区域。

可信区域，就是平台自己，或者友商建立的系统，可以保证从这些系统中获取并传递的数据是真实的、可信的。

获取来源IP的正确方式，是提取并记录本次请求首次进入可信区域时的remote address。不论这个IP是不是代理。

XFF伪造的情况其实非常普遍，也陆续地出现了一些替代方案，我司目前使用的，是设置一个专用的字段来传递这个IP，不会和XFF相覆盖。

此外，某些CDN服务商，会有自己定制化的Header字段，情况比较多，建议结合具体的情况来决定如何获取用户的来源IP。

比如，之前遇到一个客户，使用了阿里云的SLB负载均衡，SLB会给每一个请求都加上X-Forwarded-For字段，他们自己的反向代理又加一次。那么其实只要获取XFF中倒数第三个IP，作为来源IP即可。

一种参考方式如下：

在反向代理(Nginx)上配置，增加Real-IP字段：

业务系统中，获取来源IP的代码如下(Java示例)：

这个问题实在是简单到爆炸，懂技术的同学看到，肯定会喷我，居然写这种没水平的文章。

但是呢，作为一个数据分析师，看着每天系统里辣么多保留IP，非法IP传进来，真的很憋屈。体谅下咯~

而且，每每看别人说攻击溯源….我满脑子想的都是：你连获取到的IP是不是真的你都不知道，你在追溯个啥？

By the way，欢迎有兴趣深入研究IP地址的童鞋一起交流，没准能带你跟老高一块儿喝羊汤。