IP威胁报告
74.249.131.171
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: 3 | 高风险路径：Webshell、RCE、漏洞利用 | +75 | |
| Danger medium hits: 2 | 中等风险：管理面板、配置文件 | +20 | |
| Foreign referer seen | 来自无关外部域名的Referer | +10 | |
| POST requests present | 自动分析检测到行为异常 | +8 |
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 74.249.131.171 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
⚙️ 一般安全
将74.249.131.171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。
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
74.249.131.171 has been assigned a threat score of 113/100 (Critical). 凭借此评分，该IP属于严重威胁级别——是我们监控数据库中最危险的地址之一。
📊 Threat Analysis
我们的监控基础设施已将74.249.131.171（地理位置为Des Moines, United States，运营在Microsoft Corporation的网络中）识别为可疑网络活动的来源。 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。 被归类为托管IP，此地址可能运行在租用的服务器或云实例上。攻击者偏好数据中心IP因其高带宽和一次性特点。 United States目前在我们的数据库中占101个被封锁IP，使其成为恶意流量的重要来源。 威胁评分113/100，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。
This IP belongs to a hosting or data center provider. Malicious traffic from hosting infrastructure often originates from compromised VPS instances, rented servers used for scanning campaigns, or abused free-tier cloud accounts. Hosting providers typically respond to abuse reports within 24-72 hours.
Related Threats
🇺🇸 Top threats from United States
104.28.246.115 (350)104.28.246.113 (340)104.28.246.116 (340)104.28.235.58 (340)104.28.246.122 (340)View all →Security Intelligence
💡 Directory Traversal Attacks
Path traversal attacks attempt to access files outside the intended directory by manipulating file path references. Attackers use sequences like ../ to reach sensitive system files such as /etc/passwd or application configuration files.
💡 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.