Davis团队开创了来自DNS的新方法，即在资源记录中添加位置字段以提升地理位置查询精度，这本是充满希望的创新之举。然而，现实中却困难重重，管理员对资源记录的修改和更新积极性不高，导致这一构想在起步阶段就进展缓慢。而且，DNS系统内普遍存在的错误命名问题，犹如隐藏的“杀手”，会破坏互联网的拓扑映射，使得来自DNS的地理位置查询难以达到精准和可靠的预期国外手机ip代理服务器。

　　Guo等人研发的Structon致力于从Web网页中挖掘地理信息，构建地理查询表并使用正则表达式在海量数据页面中提取信息。但由于未结合挖掘基准点与延迟测量，其查询精度仅能达到城市级别。在信息抓取过程中，Structon不仅获取邮政地址，还收集网页上所有地理相关碎片，并对同一网站域名下所有网页信息同等对待。在数据中心托管乱象、网页地址谬误、traceroute未知路由等因素影响下，大量IP地址查询结果不准确或无法查询，难以实现高精度。

　　Moore等人提出可从Whois数据库挖掘地理位置信息。但实际上，大型机构的机器虽分散在全球各地，其地理位置却常统一注册在公司总部名下。例如，许多依赖此方法的IP地址查询数据库，会将谷歌遍布全球的服务器都错误地定位到美国加州山景城。这表明，面对复杂的机构机器分布情况，来自Whois的查询策略很容易出现定位误差。

　　Padmanabhan和Subramanian打造的GeoTrack借助路由器主机名追踪地理位置，先找到离探测目标最近的路由器，再通过其主机名解析接入位置，进而推定探测目标位置。但该方法存在诸多问题，首先，并非所有机器名都包含地理信息，大量主机名无法提供有效线索；其次，管理员的创意命名给解析工作带来了巨大技术难题；最后，由于最后一跳路由器与目标主机可能相距甚远，简单的位置等同替换易导致严重的定位错误。

　　Padmanabhan和Subramanian的GeoCluster利用BGP路由表中IP地址前缀进行聚类，并借助Hotmail用户注册的地理位置等私有资源推断集群内IP地址的地理位置。但该方法的准确性高度依赖用户输入，且私有信息不公开，限制了其普适性和精准度，只能在有限范围内使用。