超高精準度IP地理位置定位技術，採用將數據挖掘與網絡測量相結合的總體模型，搭建先劃分IP地址應用場景再進行IP地址定位的技術架構，利用動態IP地址多區域定位算法，解決了基準點數據利用率低、單一技術無法實現超高精度IP地址定位等問題，形成街道級IP地理位置定位，極大程度上提升了IP地址定位的精確度和覆蓋度。與世界上最先進的IP地址定位技術相比，精確度提高了三十倍，技術上處於國際領先地位。
超高精度IP地理位置定位技術通過設計探測機選擇算法，根據探測機地理位置、網絡出口等指標，選擇最優探測機組合，搭建高可用、易擴展的分佈式探測機羣組。研發高併發海量數據爬蟲系統，部署在分佈式探測羣組之上，針對萬維網、移動平臺的數據進行深度挖掘，完成WHOIS、BGP等開源數據庫數據和IP地址基準點數據採集。
針對傳統網絡測量方式獲取到的網絡路徑不全、時延經常發生膨脹、採集效率低下等問題，採用基於Per-Flow方式探測的Paris traceroute和MDA traceroute的探測技術，採集基於UDP和ICMP類型的網絡路徑，設計時延修復和路徑修復算法，保證網絡拓撲信息的完整性和正確性。
針對同一類別的IP指紋信息、地理覆蓋範圍、網絡拓撲、對應域名、端口等屬性存在相似性，不同類別間存在明顯差異的特點。爲了解決目前應用場景劃分停留在運營商、數據中心等級別，顆粒度粗糙等問題。結合IP的物理特徵和網絡特徵，利用機器學習分類算法，完成17類IP應用場景的精細劃分。從而針對不同場景使用差異化的基準點過濾算法和IP定位算法，提高整體定位的準確度。
結合IP應用場景判定結果，根據不同來源的數據特徵，設定不同的清洗規則，對IP基準點數據進行清洗，確保數據的真實性和準確性。針對WHOIS和BGP數據，根據註冊機構的類型、地域以及登記的時間，篩選可用基準點。
針對移動基準點數據，使用獨立IP和IP簇雙重過濾原則。對獨立IP，篩選一定時間內蒐集到的位置數量（不少於10條位置信息）和來源數量（不少於3個數據來源）都比較豐富的情況，劃定其經常出現的區域，並刪除不在區域內的異常基準點；對相鄰的IP簇，使用多種數據來源（不少於3個數據來源）提供的IP豐富位置信息（不少於20條位置信息），劃定該IP簇經常出現的區域，並刪除不在區域內的異常基準點。
針對單一使用數據挖掘技術或網絡測量技術，從可行性上來講，要實現超高精度IP地址定位是十分困難的問題。研發超高精度IP地理位置定位算法，對不同應用場景下的、有基準點的IP進行動態聚類分析，針對不同的聚類參數，權衡聚類覆蓋區域的面積大小以及聚類覆蓋區域下的基準點召回率，找到效果最優的聚類參數，給出不同應用場景下IP地理位置的最大覆蓋範圍；對沒有基準點的IP進行網絡拓撲相似度比較，完成IP定位。
超高精度IP地址定位技術將數據挖掘與網絡測量兩種技術相結合，從而產生化學反應，極大程度上提升了IP地址定位的精確度和覆蓋度。