
ABUSE.MOM — 规矩点,否则你将被曝光
| 签名 | 描述 | 分数 | 严重性 |
|---|---|---|---|
| Danger medium hits: 6 | 中等风险:管理面板、配置文件 | +60 | |
| 404 ratio 40-60% | 大多数请求返回404——目录枚举 | +15 | |
| Probe pattern 302->404 same path | 自动分析检测到行为异常 | +20 | |
| Foreign referer seen | 来自无关外部域名的Referer | +10 |
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.
IP 147.53.121.193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。
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。
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 |
|---|---|---|---|
| 4444 | Unknown | Low | Service on port 4444 |
| 8000 | Unknown | Low | Service on port 8000 |
| CVE ID | Link |
|---|---|
| CVE-2024-37894 | NVD → |
| CVE-2023-46728 | NVD → |
| CVE-2022-41317 | NVD → |
| CVE-2023-49288 | NVD → |
| CVE-2021-31807 | NVD → |
| CVE-2021-33620 | NVD → |
| CVE-2021-46784 | NVD → |
| CVE-2022-41318 | NVD → |
| CVE-2023-46847 | NVD → |
| CVE-2025-54574 | NVD → |
| CVE-2021-31806 | NVD → |
| CVE-2024-25617 | NVD → |
| CVE-2021-28652 | NVD → |
| CVE-2024-25111 | NVD → |
| CVE-2021-28116 | NVD → |
| CVE-2023-46724 | NVD → |
| CVE-2023-50269 | NVD → |
| CVE-2021-31808 | NVD → |
| CVE-2023-5824 | NVD → |
| CVE-2025-59362 | NVD → |
| CVE-2023-49285 | NVD → |
| CVE-2024-45802 | NVD → |
| CVE-2025-62168 | NVD → |
| CVE-2021-28651 | NVD → |
| CVE-2023-46846 | NVD → |
🔴 此主机有27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。
数据来源:Shodan InternetDB。独立于abuse.mom进行扫描。
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。
147.53.121.193 has been assigned a threat score of 105/100 (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:
我们的监控基础设施已将147.53.121.193(地理位置为Dallas, United States,运营在Blazing SEO的网络中)识别为可疑网络活动的来源。 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。 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United States的201个恶意IP,使其成为全球威胁活动的重要贡献者。 评分105/100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 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.
Credential stuffing uses stolen username-password pairs from data breaches to attempt logins across many websites. Since users frequently reuse passwords, these automated attacks achieve success rates of 0.1-2%, which translates to thousands of compromised accounts from millions of attempts.
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.