
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-2016-6294 | NVD → |
| CVE-2015-0232 | NVD → |
| CVE-2013-5704 | NVD → |
| CVE-2012-3526 | NVD → |
| CVE-2022-31629 | NVD → |
| CVE-2012-1171 | NVD → |
| CVE-2016-7129 | NVD → |
| CVE-2015-7804 | NVD → |
| CVE-2014-3487 | NVD → |
| CVE-2018-10549 | NVD → |
| CVE-2015-0235 | NVD → |
| CVE-2018-15132 | NVD → |
| CVE-2013-7456 | NVD → |
| CVE-2019-17567 | NVD → |
| CVE-2022-23943 | NVD → |
| CVE-2015-1351 | NVD → |
| CVE-2016-5772 | NVD → |
| CVE-2016-4540 | NVD → |
| CVE-2016-10158 | NVD → |
| CVE-2015-4147 | NVD → |
| CVE-2016-6295 | NVD → |
| CVE-2019-9638 | NVD → |
| CVE-2015-3329 | NVD → |
| CVE-2016-4542 | NVD → |
| CVE-2016-9138 | 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。
38.127.172.94 has been assigned a threat score of 70/100 (High). 这将其归类为高严重性威胁。建议对敏感基础设施进行主动封锁。
威胁情报分析将38.127.172.94与来自Washington, United States,运营在Cogent Communications的网络中的恶意活动相关联。该地址自首次检测以来一直处于观察状态。 我们的传感器在1天内捕获了来自此地址的1次恶意请求,反映出每天约1次的持续攻击节奏。 这是一个住宅IP地址,表明可能是被入侵的家用设备,如路由器、智能设备或参与僵尸网络的受感染工作站。 我们的记录显示来自United States的186个恶意IP,使其成为全球威胁活动的重要贡献者。 评分70/100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.
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.
Analyzing User-Agent strings reveals automated tools masquerading as legitimate browsers. Inconsistencies between claimed browser capabilities and actual behavior, impossible version combinations, and known scanner signatures help identify malicious clients.