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)。
原文地址：https://en.wikipedia.org/wiki/Reserved_IP_addresses
保留地址段
地址起始
IP地址数量
用途
0.0.0.0/8
0.0.0.0 – 0.255.255.255
16,777,216
软件
10.0.0.0/8
10.0.0.0 – 10.255.255.255
16,777,216
内网
100.64.0.0/10
100.64.0.0 – 100.127.255.255
4,194,304
内网
127.0.0.0/8
127.0.0.0 – 127.255.255.255
16,777,216
主机(本机)
169.254.0.0/16
169.254.0.0 – 169.254.255.255
65,536
本地子网(DHCP Failed)
172.16.0.0/12
172.16.0.0 – 172.31.255.255
1,048,576
内网
192.0.0.0/24
192.0.0.0 – 192.0.0.255
256
内网
192.0.2.0/24
192.0.2.0 – 192.0.2.255
256
“TEST-NET”
192.88.99.0/24
192.88.99.0 – 192.88.99.255
256
6to4 anycast
192.168.0.0/16
192.168.0.0 – 192.168.255.255
65,536
内网
198.18.0.0/15
198.18.0.0 – 198.19.255.255
131,072
内网
198.51.100.0/24
198.51.100.0 – 198.51.100.255
256
“TEST-NET-2″
203.0.113.0/24
203.0.113.0 – 203.0.113.255
256
“TEST-NET-3″
224.0.0.0/4
224.0.0.0 – 239.255.255.255
268,435,455
预留
240.0.0.0/4
240.0.0.0 – 255.255.255.254
268,435,455
预留
255.255.255.255/32
255.255.255.255
1
广播
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：
location /{ ... proxy_set_header Real-IP $remote_addr; ...}
业务系统中，获取来源IP的代码如下(Java示例)：@SuppressWarnings("unchecked") 
public static ClientIps getClientIpAddr(HttpServletRequest request) {
    // 获取真实ip
    String ip = request.getHeader("real-ip");
    if (StringUtils.isBlank(ip) || ("unknown".equalsIgnoreCase(ip.trim()))) {
        ip = request.getHeader("remote-host");
    }
    if (StringUtils.isBlank(ip) || ("unknown".equalsIgnoreCase(ip.trim()))) {
        ip = request.getRemoteAddr();
    }
    ClientIps clientIps = new ClientIps();
    clientIps.setTrueIp(StringUtils.trimToEmpty(ip));
    // 获取代理ip
    ip = request.getHeader("x-forwarded-for");
    StringBuilder proxyIps = new StringBuilder();
    if (StringUtils.isNotBlank(ip) && (StringUtils.contains(ip, ","))) {
        String temp = StringUtils.substringBeforeLast(ip, ",");
        if (StringUtils.isNotBlank(temp)) {
            proxyIps.append("x-forwarded-for:");
            proxyIps.append(temp);
            proxyIps.append("\n");
        }
    }
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。