IP威胁报告
172.195.104.24
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 >= 60% | 大多数请求返回404——目录枚举 | +25 | |
| Burst 128/10s | 请求频率异常——自动扫描 | +35 | |
| Burst 17/2s | 请求频率异常——自动扫描 | +35 | |
| Burst 18/2s | 请求频率异常——自动扫描 | +35 | |
| Burst 36/2s | 请求频率异常——自动扫描 | +35 | |
| Burst 53/10s | 请求频率异常——自动扫描 | +35 | |
| Burst 56/10s | 请求频率异常——自动扫描 | +35 | |
| Burst 61/10s | 请求频率异常——自动扫描 | +35 | |
| Danger medium hits: 136 | 中等风险：管理面板、配置文件 | +60 | |
| Danger medium hits: 221 | 中等风险：管理面板、配置文件 | +60 | |
| Danger medium hits: 41 | 中等风险：管理面板、配置文件 | +60 | |
| Danger strong hits: 12 | 高风险路径：Webshell、RCE、漏洞利用 | +100 | |
| Danger strong hits: 2 | 高风险路径：Webshell、RCE、漏洞利用 | +50 | |
| Danger strong hits: 24 | 高风险路径：Webshell、RCE、漏洞利用 | +100 | |
| Danger strong hits: 77 | 高风险路径：Webshell、RCE、漏洞利用 | +100 | |
| 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 172.195.104.24 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 172.195.104.24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。
🌊 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172.195.104.24。
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
172.195.104.24 has been assigned a threat score of 255/100 (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
IP地址172.195.104.24已追溯至Querétaro City, Mexico，运营在Foxtel ISP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454次恶意请求，平均每天约90.8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。 识别出两种攻击模式（Path Enumeration和Request Flooding），表明这是一个针对多个漏洞的半自动化攻击活动。 我们的记录显示来自Mexico的282个恶意IP，使其成为全球威胁活动的重要贡献者。 评分255/100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.
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.