IP威胁报告
111.46.135.35
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 |
|---|---|---|---|
| Burst: 9 req / 2s | 请求频率异常——自动扫描 | +35 | |
| Burst: 11 req / 10s | 请求频率异常——自动扫描 | +35 |
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 111.46.135.35 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111.46.135.35。
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。
| Port | Service | Risk | Description |
|---|---|---|---|
| 111 | Unknown | Low | Service on port 111 |
| 6063 | Unknown | Low | Service on port 6063 |
| 7080 | Unknown | Low | Service on port 7080 |
| 9999 | Unknown | Low | Service on port 9999 |
| 55000 | Unknown | Low | Service on port 55000 |
数据来源：Shodan InternetDB。独立于abuse.mom进行扫描。
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
111.46.135.35 has been assigned a threat score of 70/100 (High). 在此威胁级别下，该IP被视为高风险。应更新防火墙规则以拒绝来自此来源的流量。
The following attack categories were identified:
📊 Threat Analysis
地址111.46.135.35来源于Guangzhou, China，运营在China Mobile communications corporation的网络中。它是通过对受监控端点的入站网络流量进行自动分析而被识别的。 在1天的时间内，此IP产生了1次恶意请求，平均每天约1次请求。 这是一个移动网络IP。虽然移动地址通常通过CGNAT共享，但来自此地址的持续恶意活动表明存在自动化滥用。 来自此IP的基于速率的攻击旨在通过大量请求洪水压垮服务器资源。 China目前在我们的数据库中占166个被封锁IP，使其成为恶意流量的重要来源。 威胁评分70/100将此IP置于高风险类别。建议在防火墙级别进行封锁。
Related Threats
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.