蜜罐实战(二):157 个 IP,怎么从日志里认出背后的“人“

简介: 这篇不讲部署,只讲怎么读日志。看 UA 能筛掉三成多的假浏览器(补丁号全零的Chrome/147.0.0.0),看路径能区分"广撒网"和"有目的",看网段会发现一个/24 段里 10 个 IP 是同一个人在轮着用。四分之一流量来自 Google Cloud,专门扫子域名。最后一个是防反制 —— 为什么不建议打回去。顺带记一个踩过的坑:这版数据是把第一版全部退回重算出来的,因为一开始我没发现日志里的 IP 全是 CDN 回源节点。

变量探索(SEQVEC)

上一篇写的是"我埋了什么、他们怎么上钩"。这一篇换个角度:日志里那一堆 IP,到底谁是谁。

先更新数据 —— 蜜罐跑到第 13 天:

原始记录      583 条
剔除自己      475 条
独立真实 IP   157 个
涉及站点      13 个

比上一篇的 502 次又往上走了一截。而且有意思的是:它没有衰减。

下面是这些天整理日志时总结出的一套识别方法。不需要任何安全产品,一台服务器加一个日志文件就够。

数据说明:下面所有数字都是剔除自己之后的 475 条。
属于我自己的 108 条单独统计,见第一步。


第 0 步:先确认你看到的 IP 是不是真的

这一步是我这次差点栽进去的地方,所以放在最前面。

我一开始按日志里的 IP 做统计,出现了一个说不通的现象:

43.175.168.191   34 次   打过 8 个不同子域名   出现过 9 种不同 UA
43.175.168.101   29 次   打过 5 个不同子域名   出现过 14 种不同 UA

一个攻击者只有一种工具。 一个 IP 上同时出现 curl、企业扫描器、泄露情报采集、
还有伪装成 Chrome 的脚本 —— 那是好几家公司在扫。而且它还在打你不同的域名。

这只可能是一种东西:共享中间节点。

顺着查下去,43.174 / 43.175 这两个段里的 24 个 IP,占了 500 条样本里的
204 条 —— 40.8%。它们属于同一个 AS、同一批机房。

再往下就想明白了:这个站前面挂了 CDN。 源站 nginx 的 $remote_addr
记的是 CDN 的回源节点 IP,不是访客 IP。

而真实客户端 IP 一直在同一个日志文件里 —— 在 X-Forwarded-For 里:

{"ip":"43.175.168.101",  "xff":"160.176.79.216", ...}
   ↑ CDN 回源节点              ↑ 真实访客,一直都在

我早先的日志格式里其实记了 xff 字段,只是分析脚本读的是 ip。
数据没丢,是我读错了字段。

修法是源站这边两行:

set_real_ip_from <CDN 回源段>;
real_ip_header X-Forwarded-For;

配好之后 $remote_addr 直接变成真实 IP,日志、脚本、报表全部自动就对了,
下游一行都不用改。

留一条判断手法

以后再遇到"日志里全是同一个机房"的情况,用这一条就够了:

看一个 IP 打了几种 UA、几个 host。

真实来源    1 种 UA,1–2 个站
中间节点    多种 UA,多个站

这也顺带说明一件事:在 IP 上做任何结论之前,先确认这个 IP 是不是真的。
这一篇的数字,全部是按真实客户端 IP 重算的。


第一步:先把自己清出去

583 条里,有 108 条是我自己:

127.0.0.1          45 次   ← 本机验证(curl、hx-direct、hx-verify-local)
49.233.178.207     34 次   ← 服务器通过公网访问自己的站点(监控)
123.156.181.145    29 次   ← 我自己的出口 IP(浏览和手动测试)

127.0.0.1 以 45 次排在全表第一 —— 如果不清掉,它就是"最活跃的攻击者"。

不清掉会污染好几个统计:

  • 独立 IP 数虚高
  • "最活跃 IP"榜单被自己占位置
  • 按 UA 分类时会多出一组根本不存在的"攻击者"

而且这次因为 CDN 的事,清自己这件事要做两遍:

第一遍   按原始 IP 清(127.0.0.1、服务器自己的公网地址)
第二遍   换成真实 IP 之后,把你自己的出口 IP 再加进去

第二遍漏了的话,我的出口 IP 会稳稳排在真实 IP 榜的第一名。

所以第一件事永远是:用你自己的 UA 特征、你自己的出口 IP、你自己的验证时间点,
把自家的记录摘出去。
这步不花时间,但不做的话后面全是脏数据。


第二步:看 User-Agent,有三种一眼就是假的

UA 是最容易伪装的字段,但伪装本身会留下痕迹。这些天我见到三类破绽。

第一类:裸奔的 UA(119 次)

Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36

看着像 Chrome 对吧?它不是。

真实的 Chrome UA 结尾一定有 Chrome/版本号 Safari/537.36 这一段。
上面这串只有 WebKit 声明,没有浏览器版本 —— 这是脚本作者随手从网上抄了一半 UA 的结果。

这一类的路径极其一致:只有 /.env 和 /config.json 两个,来回扫。

第二类:全零的补丁号(146 次)

Chrome/147.0.0.0
Chrome/148.0.0.0

版本号可以随便写,但真浏览器的版本号长什么样是有规律的:

Chrome/131.0.6778.86 Safari/537.36
       └┬─┘ └──┬───┘ └┬┘
        主版本   构建号  补丁号

构建号和补丁号是一串具体数字。而上面那两串是 147.0.0.0、148.0.0.0
—— 后三段全是零。

真实浏览器的补丁号不会长期是 0。全零意味着这是个占位符:
写脚本的人图省事,只改了主版本号就发出去了。

这一类有 146 次,是所有"假身份"里最多的一种 —— 占了有效记录的三成。

第三类:自报家门的(这一类反而不必防)

Hello from Palo Alto Networks, find out more about our scans in https://docs-cortex.paloaltonetworks.com/...
Mozilla/5.0 (l9scan/2.0.…; +https://leakix.net)
Mozilla/5.0 AppleWebKit/537.36 (KHTML, like Gecko); compatible; Shap-User/0.1.0
Mozilla/5.0 (compatible; CertLabBot/1.0; certificate research; single GET of the home page)

四家专业扫描服务,UA 里写着公司名和用途说明,有的还附文档地址:

泄露情报采集(LeakIX)     49 次   来自 23 个不同 IP
攻击面扫描(Palo Alto)    11 次   来自 11 个不同 IP
空间测绘(Shap)            6 次   来自  4 个不同 IP
证书研究(CertLabBot)      6 次   来自  1 个 IP

它们不伪装,因为没必要。 商业攻击面扫描、泄露情报采集、网络空间测绘,
这些业务本身就是公开的 —— 被发现是工作的一部分,藏起来反而违规。

所以判断规则可以简化成一句:

承认自己在扫描的,通常是行业惯例;假装自己是浏览器的,才值得留意。


第三步:看路径,请求什么就暴露了什么意图

有效记录里,访问量排前几位的路径:

281 次   /.env
154 次   /config.json
 19 次   /.well-known/security.txt
  7 次   /backup/
  7 次   /backup/.env
  3 次   /_notice

/.env 和 /config.json 两个加起来,占了全部访问的 92%。

这个规律和上一篇一致 —— 因为它们跨框架通用,一个脚本能扫遍全网,投入产出比最高。

但路径的价值不在排名,在于区分人:

行为模式 特征 典型例子
广撒网 只碰 /.env 和 /config.json,高频、机械、路径不变 那两类假 UA 背后的 IP
按规程 只请求 /.well-known/security.txt,其他一概不碰 商业攻击面扫描,11 次全部只碰这一个文件

原来这里还有第三种"直奔具体文件名",2026-10-06 复核后删掉了 —— 它不成立。

那个文件名很像真备份的 huixu-db-20260923-032152.sql.gz,日志里一共 4 次访问,
全部是我自己:两次是 127.0.0.1 的 curl 自测,两次是我自己的出口 IP。
外部 12 天里一次都没碰过它。

这个更正反而让结论更清楚:

这批扫描器不"挑"。 外部 514 条请求里,/.env 290 次、/config.json 164 次,
剩下全是 /.well-known/security.txt、/_notice、/backup/.env 这类通用路径。
它们背的是同一份字典,谁也不会为了某一个站去专门找一个文件名。

所以"浏览还是下载"这个区分,本身就不该用在这儿 ——
HTTP 层面两者都是 GET,方法上根本分不出来。
能分的是两件事:要的是哪个文件(路径),和有没有真拿走(响应字节数)。
而这份日志没记字节数,所以"有人下载走了"这句话,现有数据证明不了。

还有个细节:这次记录里出现了几次路径变形的尝试:

/.//.env
//.env
/%2eenv
/api/uploads/%2e%2e%2f%2e%2e%2f.env      ← 路径穿越

这些都是在试着绕开服务器的路径匹配规则。会做这一步的,说明前面已经扫到了响应,
正在琢磨怎么拿到更多。

顺便说一句:/.well-known/security.txt 本来是"安全研究者联系我"的标准声明文件,
商业扫描器会先读它 —— 这不是攻击行为,是行业里打招呼的方式。
如果你打算做安全这件事,这个文件建议放上,它是免费的。


第四步:看网段 —— IP 不是身份,行为才是

这是整篇文章我最想讲的一点。

按 IP 单独统计,"最活跃"前几名看着像十几个不同的人。但把网段 + 行为放一起看,
有一个人立刻显形:

45.138.12.16    2 次
45.138.12.22    6 次
45.138.12.23    6 次
45.138.12.24    2 次
45.138.12.25    3 次
45.138.12.28    8 次
45.138.12.30    6 次
45.138.12.52    1 次
45.138.12.53   15 次
45.138.12.54    6 次
               ──────
               10 个 IP,合计 55 次

一个 /24 段里 10 个 IP,UA 是同一串裸奔 UA,只碰同样的路径,轮流出现。

查了一下归属:AS218785 TC DATACENTER LIMITED,波兰。

看起来是十个攻击者,实际上是一个人 —— 他手上有一小段 IP,轮着用。
而且几乎可以确定租的是同一家的机器。

把范围放大,"同一个人"的证据更清楚:那串裸奔 UA 一共出现 119 次,
来自 24 个不同的真实 IP。

反过来也成立 —— 同一个 IP 也可能属于不同的人(云主机上的多租户、代理池、跳板)。
所以:

按 IP 统计只能得到"有多少个地址",
按行为聚类才能得到"有多少个人"。

具体怎么聚类?我用的是最土的办法:UA + 路径集合 + 时间节奏,三个都对上就归为一簇。
不需要算法,一张表格就能看出来。

顺带算出一个更有意思的:这批人都是在哪儿干活的

把点击量靠前的真实 IP 抽出来查归属:

34.140.132.132   Google LLC(AS396982)
35.205.254.119   Google LLC(AS396982)
94.154.43.125    Storm Industries LLC(荷兰)
46.151.182.7     Blatant Technologies, LLC(德国)
31.59.160.3      Miteflux Technologies Ltd(瑞典)
45.138.12.53     TC DATACENTER LIMITED(波兰)

没有一个来自家宽,全是租来的云主机。

其中最大的一股是 Google Cloud:

34.x 段     84 次 / 22 个 IP
35.x 段     32 次 / 11 个 IP
────────────────────────────
合计       116 次 / 33 个 IP     占了有效记录的 24%,独立 IP 的两成

而且它们在行为上非常整齐:

一个 IP 只用一个 UA,却横扫 4–7 个不同子域名

比如 34.140.132.132 —— 打了 7 个站,总共只花了 11 次请求。

这不是撞大运的乱扫,是子域名枚举:先拿一个域名,把所有子域列出来挨个打。
效率极高,成本极低。

这件事的防守含义很直接:你的子域名就是你的暴露面。
主站做得再好,如果 admin.、test.、demo. 这些还在,扫描器会挨个试。


第五步:看时间,这次看不出作息

把 13 天的访问按小时铺开:

00 时  36 次   ####################################
01 时  36 次   ####################################
22 时  33 次   #################################
12 时  33 次   #################################
17 时  29 次   #############################
10 时  27 次   ###########################
02 时  26 次   ##########################
...
08 时   7 次   #######
16 时   6 次   ######

深夜(22–01 时)确实略高,四个小时合计 119 次,占了 25%。
但白天也有明显高峰:12 时 33 次、17 时 29 次。

整体相当平。

这个结论和"深夜异常"的直觉不一样,但我更愿意如实写下来:
这个分布就是自动化在跑的样子,看不出有人在挑时间。

这是这一篇里我唯一没得出确定结论的一步。写下来是因为它本身有价值:
如果你看到的是"某个时段突然扎堆",那才说明背后有人在盯着;
像这样铺开的,基本就是机器。


第六步:那这些画像,防守时怎么用

先说清楚一件事:不要反制。

主动反打回去在技术上不可靠(对方多半是跳板),在法律上有明确风险 ——
那是网络攻击行为,不是防守。

画像真正的用途是这三个:

一、判断自己有没有被"盯上"。

随手扫和盯着打,在日志里长得不一样。随手扫是散的、路径固定的、单次请求;
盯着打会反复来、会试变形路径、会去翻备份目录。我这份数据里,四家专业扫描服务属于前者,
那几个同段 IP 轮着来的、以及直奔备份文件的,属于后者。

二、验证防护有没有生效。

那些诱饵的路径,在真实系统里本来就该返回 404。
如果你哪天在真实日志里看到它们拿到 200,说明有东西不该在那儿。

三、做溯源准备的底子。

如果你在响应里带了唯一标识(上一篇讲过这个做法),那么将来某份内部资料外流时,
你能反查到是哪一次访问带走的。前提是 —— 你得先认得出"谁来过"。


最后

这一篇比上一篇多了一个教训,我觉得比方法本身更重要:

你以为在做画像,其实可能是在给 CDN 的节点池画像。

我一开始统计出的"最活跃攻击者"是 127.0.0.1(我自己),
"第二大来源"是 CDN 的回源节点,"一个人握着一小段 IP"看起来成立,
但举的是一堆机器。

全部退回重算之后,真实的那张画像反而更清楚 ——
一个波兰机房里的 10 个 IP 是同一个人,四分之一流量从 Google Cloud 来,扫的是子域名。

所以顺序应该是:

先确认 IP 是真的   →   再清掉自己   →   最后才谈行为

区别不在工具,在"你决定记什么",也在"你确认过读到的是什么"。


变量探索(SEQVEC)

相关文章
|
1月前
|
人工智能 运维 前端开发
接入多家模型供应商之后,我总结的 7 条铁律
AI 应用接了第二家模型供应商之后,事情就不再是"多加一个接口"那么简单——不是调不通,是钱会算错。这篇讲我们定下来的 7 条规则:幂等键、任务落库时机、备用线路的切换边界、退款、凭据隔离、付款来源固化、密钥不进浏览器。
|
5月前
|
存储 人工智能 数据可视化
别再手动复制 Skill 了:多 Agent 时代的 Skill 管理方案
多 Agent 场景下 Skill 的统一管理与同步。
2046 146
|
4月前
|
运维 监控 Serverless
阿里云函数计算FC实现网站定时任务与自动化的完全指南
本文系统阐述如何利用阿里云函数计算FC构建网站的定时任务与自动化体系。从传统Crontab的运维痛点切入,深入解析FC定时触发器的三种配置模式(时间间隔、指定时间、自定义CRON表达式),重点剖析UTC与北京时间的时区转换陷阱及CRON_TZ的正确用法。提供Python、Node.js、Java三种主流语言的完整代码示例,涵盖日报推送、数据备份、日志转存、API健康检查、爬虫采集五大典型自动化场景。同时详细讲解监控告警配置、冷启动优化、延迟调优等高级运维技巧,以及基于内网访问、内存规格选择和预留实例的成本控制策略。文章旨在帮助开发者从零构建一套零运维、低成本、高可用的云端定时任务系统。
|
5月前
|
消息中间件 监控 NoSQL
线上Kafka积压后,我是怎么处理的
本文记录一次Kafka消费组Lag飙升20万+的实战排障全过程:从快速定位积压分区、紧急扩容消费者、优化消费参数,到发现Redis大key根因、临时降级、事后加固监控与自动化响应。强调“可观测性+自动化”是应对消息积压的关键。
|
2月前
|
人工智能 监控 安全
DeepSeek Harness爆火,测试人能拿它做什么?这5个场景最实用
本文揭秘DeepSeek在测试领域的5大实战用法:用例生成、接口自动化、代码审查、单元测试、日志分析,辅以详细步骤与避坑指南。实测可减少60%-70%重复劳动,强调“AI代劳+人工审核”——替手不替脑。
|
2月前
|
存储 人工智能 并行计算
新手小白如何购买阿里云GPU云服务器?新版阿里云GPU云服务器产品功能介绍及配置价格表
随着大模型推理、模型微调、AIGC生成、科学仿真、3D渲染等业务快速普及,越来越多个人开发者、学生、小型研发团队开始接触云端GPU算力。对于刚刚接触GPU云服务器的新手来说,面对繁多的实例规格族、不同GPU芯片型号、显存参数、多种计费模式,很容易踩坑。很多用户会出现显存选小跑不通模型,盲目选购高端实例造成高额账单,忽略GPU驱动安装、可用区库存限制、安全组端口配置等关键环节,购买完成之后实例无法正常识别显卡,甚至产生意料之外的高额扣费。
517 7
|
2月前
|
人工智能 算法
3个月,520万播放,6666个粉丝,普通人如何用AI搞副业?
AI时代,普通人也能轻松做自媒体!本文揭秘“AI自动变现”全流程:从0搭建账号、AI批量生产内容、多平台自动分发,到广告/带货/IP多元变现。无需天赋团队,7天起号,日更3-5条,小投入撬动长期收益。方法已验证,人人可复制。
|
2月前
|
存储 人工智能 供应链
阿里云国际代理商:2026 AI 大模型出海 解析灵骏真武 M890
2026年,AI竞争转向底座能力。阿里云推出灵骏真武M890超节点——全球首款分钟级交付的64卡一体化PPU算力单元,搭载144GB HBM3显存、800GB/s卡间带宽,单机9TB显存池,可原生承载2.4万亿参数MoE模型训推一体,破解跨境算力供应与合规部署难题。(239字)
|
2月前
|
人工智能 监控 安全
GPT-6发布15小时:Altman道歉赔额度,有人已经把活交给它
从GPT6这个模型怎么样,到案例怎么样,本文一点点的给你嚼碎了告你。
|
2月前
|
人工智能 自然语言处理 安全
阿里云AI应用活动:Qoder CN、千问办公、万小智、万镜一刻、秒悟 Meoo最新活动参考
本文详细介绍了阿里云推出的五款核心AI应用产品及其专属活动。‌Qoder CN‌ 作为AI智能体编程平台,为用户提供Qwen 3.8-Max等模型夜间时段5折起的专属优惠,并设有免费体验、个人版、团队版三档订阅方案。‌千问办公企业标准版198元/人/月起,新注册可领2000积分。‌万小智AI建站‌ 提供零代码建站服务,体验版9.9元/月起,并赠送灵感值、.CN域名及备案服务码。‌万镜一刻‌ 是全链路AIGC视频创作平台,基础版39元/月起,支持从剧本到成片的自动化生产。‌秒悟Meoo‌ 是云端极速AI应用创作平台,Lite个人轻量版25元/月起,新用户注册即送10000积分。