IP威胁报告
103.161.123.138
ABUSE.MOM — 规矩点，否则你将被曝光
地理位置与分类
检测签名
| 签名 | 描述 | 分数 | 严重性 |
|---|---|---|---|
| 404 ratio 40-60% | 大多数请求返回404——目录枚举 | +15 | |
| Danger medium hits: 4 | 中等风险：管理面板、配置文件 | +40 | |
| Foreign referer | 来自无关外部域名的Referer | +10 | |
| Foreign referer seen | 来自无关外部域名的Referer | +10 | |
| Probe 302→404 | 自动分析检测到行为异常 | +20 | |
| Probe pattern 302->404 same path | 自动分析检测到行为异常 | +20 |
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。
* Typical request patterns for detected signatures. Actual target domains are redacted.
时间线
网络供应商
建议
已采取和建议的措施
- IP 103.161.123.138 已在应用层封锁（HTTP 403）
- 建议在防火墙层（iptables/CSF）进行封锁
- 在同一/24子网中检测到其他恶意IP——建议封锁 103.161.123.0/24
- 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
🔎 目录扫描防御
IP 103.161.123.138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。
邻居在 103.161.123.0/24
来自同一/24子网的其他被封锁IP——表明该网络范围存在系统性滥用。
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。
已检查：Spamhaus、SpamCop、Barracuda、SORBS、CBL、UCEProtect。
Threat Analysis
103.161.123.138 has been assigned a threat score of 85/100 (Critical). 这是一个严重级别的威胁。系统管理员应将此IP视为敌对地址，无例外地阻止所有入站连接。
The following attack categories were identified:
📊 Threat Analysis
IP地址103.161.123.138已追溯至Phu Do, Vietnam，运营在Global Informatics Telecommunications Joint Stock Company的网络中。我们的威胁检测系统根据观察到的恶意行为模式标记了此地址。 在5天的时间内，此IP产生了587次恶意请求，平均每天约117.4次请求。 从住宅网络运营，此IP可能代表一个被入侵的家庭网关或已被招募到更大攻击基础设施中的IoT设备。 该IP表现出目录枚举行为，系统地请求不存在的路径以发现隐藏文件和配置错误的资源。 Vietnam目前在我们的数据库中占136个被封锁IP，使其成为恶意流量的重要来源。 威胁评分85/100将此IP置于高风险类别。建议在防火墙级别进行封锁。
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.
Related Threats
Security Intelligence
💡 Directory Traversal Attacks
Path traversal attacks attempt to access files outside the intended directory by manipulating file path references. Attackers use sequences like ../ to reach sensitive system files such as /etc/passwd or application configuration files.
💡 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.