IP威胁报告
92.111.157.194
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 | |
| 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 92.111.157.194 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92.111.157.194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。
开放端口和服务
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 |
|---|---|---|---|
| 500 | Unknown | Low | Service on port 500 |
| 3260 | Unknown | Low | Service on port 3260 |
| 5051 | Unknown | Low | Service on port 5051 |
| 8443 | HTTPS-Alt | Low | Service on port 8443 |
| 41002 | Unknown | Low | Service on port 41002 |
| CVE ID | Link |
|---|---|
| CVE-2022-32548 | NVD → |
🔴 此主机有1个已知CVE与其暴露的服务相关联。即使少量CVE也可能代表重大风险。 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。
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
92.111.157.194 has been assigned a threat score of 103/100 (Critical). 这将其归入严重威胁类别。强烈建议在所有网络边界立即进行封锁。
📊 Threat Analysis
地址92.111.157.194来源于Apeldoorn, Netherlands，运营在Vodafone Ziggo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。 在其1天的观察窗口期间，我们记录了来自此IP的1次敌对请求——平均每天约1次。 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Netherlands的126个恶意IP，使其成为全球威胁活动的重要贡献者。 威胁评分103/100，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 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
🇳🇱 Top threats from Netherlands
185.184.192.251 (338)45.88.138.44 (320)45.82.64.236 (315)5.181.169.192 (313)157.22.73.141 (313)View all →Security Intelligence
💡 Cross-Site Scripting (XSS) Attacks
XSS attacks inject malicious scripts into web pages viewed by other users. Reflected XSS uses crafted URLs, while stored XSS persists in databases. Both types can steal session cookies, redirect users, or deface websites.
💡 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.