ABUSE.MOM
威胁报告

IP威胁报告
182.9.1.186

ABUSE.MOM — 规矩点,否则你将被曝光

生成时间: 2026-10-26 08:48:01
首次发现: 2026-06-02 23:29:35
最后发现: 2026-06-27 20:26:17
78

⛔ 判定:封锁

该IP地址已被归类为自动化恶意活动的来源。 威胁评分: 78/100. 已观察到的恶意请求总数: 344.

01

地理位置与分类

IP地址
182.9.1.186
类型
Unknown
国家
🇮🇩 Indonesia
城市
Surakarta
ISP
PT Telekomunikasi Selular Indonesia
组织
PT Telekomunikasi Selular Indonesia
自治系统
AS23693 PT. Telekomunikasi Selular
请求次数
344
02

检测签名

签名描述分数严重性
Directory Scan自动分析检测到行为异常+0
Σ = 0
03

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。

[redacted]
GET
/
200
显示请求: 1 · HTTP 404: 0 · 危险模式: 0

* Typical request patterns for detected signatures. Actual target domains are redacted.

04

时间线

2026-06-02 23:29:35
检测到首次恶意请求
IP已从服务器日志进入监控
观察期间
触发了多个检测签名
Directory Scan
2026-06-27 20:26:17
观察到最后一次恶意请求
总分达到: 78/100
下一周期
IP已封锁——所有后续请求被拒绝(HTTP 403)
自动添加到封锁列表
05

网络供应商

PT Telekomunikasi Selular Indonesia
AS23693 · 🇮🇩 Indonesia

我们已检测到 103 个恶意IP 来自此自治系统。

查看所有IP AS23693 →
06

建议

已采取和建议的措施

  • IP 182.9.1.186 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 182.9.1.0/24
  • 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

⚙️ 一般安全

将182.9.1.186添加到防火墙封锁列表。检查日志中的成功连接。在所有面向公众的服务上启用全面日志记录。

07

邻居在 182.9.1.0/24

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。

09

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。

✓ 清洁
bl.spamcop.net
✓ 清洁
bl.blocklist.de
✓ 清洁
cbl.abuseat.org
✓ 清洁
b.barracudacentral.org
✓ 清洁
dnsbl.dronebl.org
✓ 清洁
psbl.surriel.com
✓ 清洁
spam.dnsbl.sorbs.net
✓ 清洁
zen.spamhaus.org

已检查:Spamhaus、SpamCop、Barracuda、SORBS、CBL、UCEProtect。

10

Threat Analysis

182.9.1.186 has been assigned a threat score of 78/100 (High). 此分数表明高威胁严重性。该IP显示出明确的恶意行为模式,需要立即采取防御措施。

📊 Threat Analysis

我们的监控基础设施已将182.9.1.186(地理位置为Surakarta, Indonesia,运营在PT Telekomunikasi Selular Indonesia的网络中)识别为可疑网络活动的来源。 该地址在我们的监控系统中活跃了24天,产生了344次标记请求,速率约为每天14.3次。 我们的记录显示来自Indonesia的1,097个恶意IP,使其成为全球威胁活动的主要贡献者。 评分78/100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。

11

Related Threats

🇮🇩 Top threats from Indonesia

157.15.40.62 (340)157.15.40.88 (340)157.15.40.89 (340)157.15.40.61 (340)157.15.40.93 (340)View all →

🏢 Same network: AS23693

182.10.228.82 (180)182.10.161.192 (180)39.194.2.245 (160)182.9.1.180 (108)182.8.131.181 (108)View all →
12

Security Intelligence

💡 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.

💡 Automated Incident Response

Automated response systems can block threats in milliseconds, far faster than human analysts. However, automation requires careful safeguards — rate limits on blocking actions, automatic expiration, and human review queues prevent automated systems from causing self-inflicted outages.

🔍 Check Any IP Address

Share this report: