IP威胁报告
87.106.213.199
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 |
|---|---|---|---|
| UA suspicious (short/empty) | 自动分析检测到行为异常 | +15 | |
| Danger strong hits: 1 | 高风险路径：Webshell、RCE、漏洞利用 | +25 | |
| Danger medium hits: 1 | 中等风险：管理面板、配置文件 | +10 | |
| Danger strong hits: 53 | 高风险路径：Webshell、RCE、漏洞利用 | +100 | |
| Danger medium hits: 362 | 中等风险：管理面板、配置文件 | +60 | |
| Probe pattern 302->404 same path | 自动分析检测到行为异常 | +20 | |
| Burst: 66 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 |
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 87.106.213.199 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
🤖 User-Agent异常防御
IP 87.106.213.199显示可疑的UA行为。阻止空User-Agent请求。为敏感端点实施基于JavaScript的机器人检测。
🔎 目录扫描防御
IP 87.106.213.199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87.106.213.199。
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
87.106.213.199 has been assigned a threat score of 265/100 (Critical). 这是一个严重级别的威胁。系统管理员应将此IP视为敌对地址，无例外地阻止所有入站连接。
The following attack categories were identified:
📊 Threat Analysis
我们的监控基础设施已将87.106.213.199（地理位置为Paris, France，运营在IONOS SE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2次恶意请求，平均每天约2次请求。 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。 3种不同攻击向量的组合表明这是一个复杂的多方位威胁行为者，部署自动化工具同时探测多个攻击面。 评分265/100将此地址置于最高严重性级别。应封锁并调查任何历史连接。
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.
Related Threats
Security Intelligence
💡 User-Agent Analysis Techniques
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.
💡 Autonomous System Analysis
Analyzing attack patterns at the AS (Autonomous System) level reveals which networks harbor the most malicious activity. Some ASes have abuse rates orders of magnitude higher than average, indicating lax enforcement of acceptable use policies.