IP威胁报告
120.231.175.137
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 |
|---|---|---|---|
| Danger medium hits: 2 | 中等风险：管理面板、配置文件 | +20 | |
| 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 | |
| Probe 302→404 | 自动分析检测到行为异常 | +20 | |
| UA changed | 多个User-Agent——机器人轮换技术 | +25 |
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 120.231.175.137 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 120.231.175.0/24
- 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 120.231.175.137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。
🤖 User-Agent异常防御
IP 120.231.175.137显示可疑的UA行为。阻止空User-Agent请求。为敏感端点实施基于JavaScript的机器人检测。
邻居在 120.231.175.0/24
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
120.231.175.137 has been assigned a threat score of 95/100 (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
120.231.175.137注册在Zhuhai, 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。 该地址在我们的监控系统中活跃了8天，产生了173次标记请求，速率约为每天21.6次。 该地址作为VPN/代理出口节点运营。攻击者通过匿名化服务路由流量以隐藏真实位置。 识别出两种攻击模式（Path Enumeration和User-Agent Anomaly），表明这是一个针对多个漏洞的半自动化攻击活动。 China目前在我们的数据库中占2,897个被封锁IP，使其成为恶意流量的主要来源。 评分95/100将此地址置于最高严重性级别。应封锁并调查任何历史连接。
This IP is associated with a VPN or proxy service. Attackers frequently route their traffic through anonymizing services to obscure their true location. This makes attribution more challenging but the malicious behavior patterns remain detectable.
Related Threats
Security Intelligence
💡 Vulnerability Scanning Explained
Vulnerability scanning is the automated process of probing web applications for known weaknesses. Attackers use tools like Nuclei, Nikto, and ZAP to test thousands of hosts per hour, looking for exposed configuration files, outdated software, and default credentials.
💡 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.