
ABUSE.MOM — 规矩点,否则你将被曝光
| 签名 | 描述 | 分数 | 严重性 |
|---|---|---|---|
| Form spam: no_js_check | 请求内容中的垃圾/恶意关键词 | +0 |
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.
在所有公共表单上启用CAPTCHA。添加蜜罐字段。将每个IP的提交限制为每分钟3次。部署Akismet或CleanTalk。
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 |
|---|---|---|---|
| 80 | HTTP | Low | HTTP web server — standard web traffic |
| CVE ID | Link |
|---|---|
| CVE-2014-0237 | NVD → |
| CVE-2013-6501 | NVD → |
| CVE-2019-9638 | NVD → |
| CVE-2013-0941 | NVD → |
| CVE-2016-8670 | NVD → |
| CVE-2018-14883 | NVD → |
| CVE-2016-5772 | NVD → |
| CVE-2014-0185 | NVD → |
| CVE-2021-44790 | NVD → |
| CVE-2016-6174 | NVD → |
| CVE-2014-3597 | NVD → |
| CVE-2016-5114 | NVD → |
| CVE-2015-4603 | NVD → |
| CVE-2014-9653 | NVD → |
| CVE-2013-6712 | NVD → |
| CVE-2019-17567 | NVD → |
| CVE-2022-30556 | NVD → |
| CVE-2015-4024 | NVD → |
| CVE-2014-3480 | NVD → |
| CVE-2018-5712 | NVD → |
| CVE-2015-3416 | NVD → |
| CVE-2016-6291 | NVD → |
| CVE-2016-4543 | NVD → |
| CVE-2016-7414 | NVD → |
| CVE-2022-26377 | NVD → |
🔴 此主机有331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。
38.127.172.219 has been assigned a threat score of 70/100 (High). 该IP被评为高级别威胁。网络管理员应实施阻止规则并监控来自此地址的任何连接。
38.127.172.219注册在Washington, United States,运营在Cogent Communications的网络中。该IP在触发多个行为检测签名后首次出现在我们的威胁源中。 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。 该地址被归类为住宅,意味着它可能属于终端用户ISP连接。来自住宅IP的恶意活动通常表明设备已被入侵或属于僵尸网络。 United States目前在我们的数据库中占186个被封锁IP,使其成为恶意流量的重要来源。 威胁评分70/100将此IP置于高风险类别。建议在防火墙级别进行封锁。
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.
SQL injection remains one of the most common web attack vectors. Attackers inject malicious SQL code through input fields to extract database contents, modify data, or gain administrative access. Automated scanners test for SQLi vulnerabilities at massive scale.
Correlating logs across web servers, firewalls, DNS, and authentication systems reveals attack patterns invisible in individual log sources. Modern SIEM platforms use statistical analysis to connect related events across time and systems.