IP威胁报告
175.126.146.174
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 strong hits: 1 | 高风险路径：Webshell、RCE、漏洞利用 | +25 | |
| 404 ratio >= 60% | 大多数请求返回404——目录枚举 | +25 | |
| Danger strong hits: 2 | 高风险路径：Webshell、RCE、漏洞利用 | +50 | |
| 404 ratio 40-60% | 大多数请求返回404——目录枚举 | +15 | |
| Foreign referer seen | 来自无关外部域名的Referer | +10 |
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 175.126.146.174 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 175.126.146.174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
175.126.146.174 has been assigned a threat score of 75/100 (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175.126.146.174来源于Gwangyang, South Korea，运营在SK Broadband Co Ltd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。 我们的传感器在1天内捕获了来自此地址的42次恶意请求，反映出每天约42次的持续攻击节奏。 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。 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。 South Korea目前在我们的数据库中占110个被封锁IP，使其成为恶意流量的重要来源。 评分75/100表明这是一个已确认的恶意行为者。网络级别封锁是适当的。
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
💡 HTTP Request Smuggling
Request smuggling exploits differences in how front-end and back-end servers parse HTTP requests. This technique can bypass security controls, poison web caches, and hijack other users sessions by desynchronizing request boundaries.
💡 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.