IP威胁报告
112.28.139.175
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: 5 | 中等风险：管理面板、配置文件 | +50 | |
| Foreign referer | 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 |
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 112.28.139.175 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
🔎 目录扫描防御
IP 112.28.139.175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。
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
112.28.139.175 has been assigned a threat score of 95/100 (Critical). 这将其归入严重威胁类别。强烈建议在所有网络边界立即进行封锁。
The following attack categories were identified:
📊 Threat Analysis
112.28.139.175注册在Guangzhou, China，运营在China Mobile communications corporation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。 我们的传感器在1天内捕获了来自此地址的99次恶意请求，反映出每天约99次的持续攻击节奏。 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。 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。 我们的记录显示来自China的2,897个恶意IP，使其成为全球威胁活动的主要贡献者。 威胁评分95/100，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。
Related Threats
🇨🇳 Top threats from China
180.184.55.222 (340)82.157.132.42 (310)101.200.57.251 (310)135.136.42.150 (305)135.136.42.228 (295)View all →🏢 Same network: AS9808
111.10.224.70 (255)117.50.120.215 (235)183.207.48.161 (230)106.75.88.55 (230)36.212.132.184 (220)View all →Security Intelligence
💡 SQL Injection Campaigns
SQL injection remains one of the most common web attack vectors. Attackers inject malicious SQL code through input fields to extract database contents, modify data, or gain administrative access. Automated scanners test for SQLi vulnerabilities at massive scale.
💡 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.