IP威胁报告
223.82.107.91
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: 480 | 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 | |
| Burst: 161 req / 2s | 请求频率异常——自动扫描 | +35 | |
| Burst: 200 req / 10s | 请求频率异常——自动扫描 | +35 | |
| 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 223.82.107.91 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 223.82.107.91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223.82.107.91。
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
223.82.107.91 has been assigned a threat score of 175/100 (Critical). 这代表着极高风险等级。我们的检测系统已从该地址标记出多个高置信度的恶意意图指标。
The following attack categories were identified:
📊 Threat Analysis
地址223.82.107.91来源于Jinrongjie, China，运营在China Mobile communications corporation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。 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。 这是一个移动网络IP。虽然移动地址通常通过CGNAT共享，但来自此地址的持续恶意活动表明存在自动化滥用。 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。 China目前在我们的数据库中占166个被封锁IP，使其成为恶意流量的重要来源。 威胁评分175/100，此IP属于我们数据库中最危险的地址之一。强烈建议立即完全封锁。
Related Threats
🇨🇳 Top threats from China
180.184.55.222 (340)117.50.120.215 (235)115.191.1.205 (235)123.58.16.244 (235)43.142.47.248 (230)View all →🏢 Same network: AS56045
View all →Security Intelligence
💡 API Abuse and Enumeration
Modern attacks increasingly target APIs rather than traditional web interfaces. Attackers enumerate endpoints, test for broken authentication, and exploit excessive data exposure. API attacks are harder to detect as they mimic legitimate programmatic access patterns.
💡 Privacy-Preserving Threat Detection
Advanced techniques enable threat detection while minimizing privacy impact. Encrypted DNS, differential privacy in analytics, and federated learning for threat models allow effective security monitoring without unnecessary surveillance of legitimate user behavior.