ABUSE.MOM
威胁报告

IP威胁报告
101.132.184.223

ABUSE.MOM — 规矩点,否则你将被曝光

生成时间: 2026-05-30 12:31:05
首次发现: 2026-04-06 23:00:06
最后发现: 2026-04-08 07:00:05
90

⛔ 判定:封锁

该IP地址已被归类为自动化恶意活动的来源。 威胁评分: 90/100. 已观察到的恶意请求总数: 2.

BURSTREFERERRATIO_404REDIRECT_PROBE
01

地理位置与分类

IP地址
101.132.184.223
类型
Residential
国家
🇨🇳 China
城市
Shanghai
ISP
Hangzhou Alibaba Advertising Co
组织
Aliyun Computing Co., LTD
自治系统
AS37963 Hangzhou Alibaba Advertising Co.,Ltd.
请求次数
2
02

检测签名

签名描述分数严重性
Burst: 7 req / 2s请求频率异常——自动扫描+35
Burst: 14 req / 10s请求频率异常——自动扫描+35
Foreign referer seen来自无关外部域名的Referer+10
404 ratio >= 60%大多数请求返回404——目录枚举+25
Probe pattern 302->404 same path自动分析检测到行为异常+20
Burst: 5 req / 2s请求频率异常——自动扫描+35
Σ = 160
03

观察到的活动

从服务器访问日志重建的HTTP请求。出于安全考虑,目标域名已隐藏。

[redacted]
GET
/
200
[redacted]
GET
/page
200
显示请求: 2 · HTTP 404: 0 · 危险模式: 0

* Typical request patterns for detected signatures. Actual target domains are redacted.

04

时间线

2026-04-06 23:00:06
检测到首次恶意请求
IP已从服务器日志进入监控
观察期间
触发了多个检测签名
Burst: 7 req / 2s (+35), Burst: 14 req / 10s (+35), Foreign referer seen (+10)
2026-04-08 07:00:05
观察到最后一次恶意请求
总分达到: 90/100
下一周期
IP已封锁——所有后续请求被拒绝(HTTP 403)
自动添加到封锁列表
05

网络供应商

Hangzhou Alibaba Advertising Co
AS37963 · 🇨🇳 China
06

建议

已采取和建议的措施

  • IP 101.132.184.223 已在应用层封锁(HTTP 403)
  • 建议在防火墙层(iptables/CSF)进行封锁
  • 通过abuse联系方式向网络供应商举报
  • 确保敏感文件(.env、.git、备份)无法从网络访问

🌊 洪水/DDoS缓解

在nginx中实施limit_req_zone。部署具有DDoS防护的CDN。配置SYN cookies和连接跟踪以限制101.132.184.223。

🔎 目录扫描防御

IP 101.132.184.223正在枚举目录。在10次以上404错误后配置fail2ban apache-404 jail。禁用目录列表。

08

开放端口和服务

来自Shodan的网络侦察数据。开放端口可能表示正在运行的服务、错误配置或潜在的攻击面。

开放端口 (4)
PortServiceRiskDescription
22SSHLowSecure Shell — common brute force target for remote access
80HTTPLowHTTP web server — standard web traffic
443HTTPSLowHTTPS web server — encrypted web traffic
3306MySQLHighMySQL database — should never be exposed to the internet

⚠️ 在101.132.184.223上检测到1个高风险端口。 这些服务在没有严格防火墙规则的情况下不应公开访问。

已知漏洞 (CVE) (14)
CVE IDLink
CVE-2019-16905NVD →
CVE-2020-15778NVD →
CVE-2023-48795NVD →
CVE-2023-38408NVD →
CVE-2020-14145NVD →
CVE-2025-32728NVD →
CVE-2023-51767NVD →
CVE-2007-2768NVD →
CVE-2008-3844NVD →
CVE-2021-41617NVD →
CVE-2025-26465NVD →
CVE-2023-51385NVD →
CVE-2021-36368NVD →
CVE-2016-20012NVD →

🔴 此主机有14个已知CVE与其暴露的服务相关联。如此大量的漏洞强烈表明软件严重过时。 请在NVD数据库中查看每个CVE的详细信息。

检测到的技术
f5:nginxoracle:mysql:5.7.40-logopenbsd:openssh:8.0
Hostnames: ahjzpx.anjianzi.com

数据来源:Shodan InternetDB。独立于abuse.mom进行扫描。

09

黑名单状态 (DNSBL)

该IP已通过全球邮件服务器和防火墙使用的主要DNS黑名单进行检查。

✓ 清洁
ix.dnsbl.manitu.net
✓ 清洁
dnsbl.sorbs.net
✓ 清洁
zen.spamhaus.org
✓ 清洁
bl.spamcop.net
✓ 清洁
dnsbl-1.uceprotect.net
✓ 清洁
b.barracudacentral.org
✓ 清洁
truncate.gbudb.net
✓ 清洁
psbl.surriel.com

已检查:Spamhaus、SpamCop、Barracuda、SORBS、CBL、UCEProtect。

10

Threat Analysis

101.132.184.223 has been assigned a threat score of 90/100 (Critical). 如此高的分数标志着一个关键威胁行为者。该地址在多个检测向量上表现出持续的、激进的恶意行为。

The following attack categories were identified:

Request FloodingPath Enumeration

📊 Threat Analysis

101.132.184.223注册在Shanghai, China,运营在Hangzhou Alibaba Advertising Co的网络中。该IP在触发多个行为检测签名后首次出现在我们的威胁源中。 该地址在我们的监控系统中活跃了1天,产生了2次标记请求,速率约为每天2次。 这是一个住宅IP地址,表明可能是被入侵的家用设备,如路由器、智能设备或参与僵尸网络的受感染工作站。 识别出两种攻击模式(Request Flooding和Path Enumeration),表明这是一个针对多个漏洞的半自动化攻击活动。 我们的记录显示来自China的123个恶意IP,使其成为全球威胁活动的重要贡献者。 威胁评分90/100,此IP属于我们数据库中最危险的地址之一。强烈建议立即完全封锁。

This IP is classified as residential, suggesting it may belong to a compromised home device, IoT botnet member, or an infected personal computer. Residential IPs involved in attacks often indicate malware infection without the owner's knowledge.

11

Related Threats

🇨🇳 Top threats from China

180.184.55.222 (340)117.50.120.215 (235)115.191.1.205 (235)123.58.16.244 (235)43.142.47.248 (230)View all →

🏢 Same network: AS37963

120.26.168.44 (230)139.196.99.108 (195)47.116.207.202 (190)121.43.99.231 (185)182.92.218.96 (170)View all →
12

Security Intelligence

💡 DDoS Mitigation Approaches

Distributed denial of service attacks overwhelm infrastructure with traffic volume. Effective mitigation combines always-on traffic scrubbing, anycast network distribution, rate limiting, and the ability to quickly scale absorption capacity during attacks.

💡 Machine Learning in Threat Detection

Machine learning models analyze vast amounts of network traffic to identify attack patterns invisible to rule-based systems. Supervised models classify known attack types while unsupervised models detect anomalies that may indicate novel threats.

🔍 Check Any IP Address

Share this report: