内容简介:1、本月利用肉鸡发起DDoS攻击的控制端中,境外控制端最多位于美国;境内控制端最多位于江苏省,其次是广东省、辽宁省和浙江省,按归属运营商统计,电信占的比例最大。2、本月参与攻击较多的肉鸡地址主要位于浙江省、江苏省、河南省和广东省,其中大量肉鸡地址归属于电信运营商。2019年以来监测到的持续活跃的肉鸡资源中,位于河南省、江苏省、福建省占的比例最大。3、本月被利用发起Memcached反射攻击境内反射服务器数量按省份统计排名前三名的省份是河南省、广东省和山东省;数量最多的归属运营商是电信。被利用发起NTP反射攻
本月重点关注情况
1、本月利用肉鸡发起DDoS攻击的控制端中,境外控制端最多位于美国;境内控制端最多位于江苏省,其次是广东省、辽宁省和浙江省,按归属运营商统计,电信占的比例最大。
2、本月参与攻击较多的肉鸡地址主要位于浙江省、江苏省、河南省和广东省,其中大量肉鸡地址归属于电信运营商。2019年以来监测到的持续活跃的肉鸡资源中,位于河南省、江苏省、福建省占的比例最大。
3、本月被利用发起 Memcached 反射攻击境内反射服务器数量按省份统计排名前三名的省份是河南省、广东省和山东省;数量最多的归属运营商是电信。被利用发起NTP反射攻击的境内反射服务器数量按省份统计排名前三名的省份是山东省、河北省和湖北省;数量最多的归属运营商是移动。被利用发起SSDP反射攻击的境内反射服务器数量按省份统计排名前三名的省份是辽宁省、浙江省和吉林省;数量最多的归属运营商是联通。
4、本月转发伪造跨域攻击流量的路由器中,归属于天津市的路由器参与的攻击事件数量最多,2019年以来被持续利用的跨域伪造流量来源路由器中,归属于江苏省、北京市和天津市路由器数量最多。
5、本月转发伪造本地攻击流量的路由器中,归属于浙江省电信的路由器参与的攻击事件数量最多,2019年以来被持续利用的本地伪造流量来源路由器中,归属于浙江省、江苏省、广东省和北京市路由器数量最多。
攻击资源定义
本报告为2019年3月份的DDoS攻击资源月度分析报告。围绕互联网环境威胁治理问题,基于CNCERT监测的DDoS攻击事件数据进行抽样分析,重点对“DDoS攻击是从哪些网络资源上发起的”这个问题进行分析。主要分析的攻击资源包括:
1、控制端资源,指用来控制大量的僵尸主机节点向攻击目标发起DDoS攻击的木马或僵尸网络控制端。
2、肉鸡资源,指被控制端利用,向攻击目标发起DDoS攻击的僵尸主机节点。
3、反射服务器资源,指能够被黑客利用发起反射攻击的服务器、主机等设施,它们提供的网络服务中,如果存在某些网络服务,不需要进行认证并且具有放大效果,又在互联网上大量部署(如DNS服务器,NTP服务器等),它们就可能成为被利用发起DDoS攻击的网络资源。
4、跨域伪造流量来源路由器,是指转发了大量任意伪造IP攻击流量的路由器。由于我国要求运营商在接入网上进行源地址验证,因此跨域伪造流量的存在,说明该路由器或其下路由器的源地址验证配置可能存在缺陷,且该路由器下的网络中存在发动DDoS攻击的设备。
5、本地伪造流量来源路由器,是指转发了大量伪造本区域IP攻击流量的路由器。说明该路由器下的网络中存在发动DDoS攻击的设备。
在本报告中,一次DDoS攻击事件是指在经验攻击周期内,不同的攻击资源针对固定目标的单个DDoS攻击,攻击周期时长不超过24小时。如果相同的攻击目标被相同的攻击资源所攻击,但间隔为24小时或更多,则该事件被认为是两次攻击。此外,DDoS攻击资源及攻击目标地址均指其IP地址,它们的地理位置由它的IP地址定位得到。
DDoS攻击资源月度分析
1 控制端资源分析
根据CNCERT抽样监测数据,2019年3月,利用肉鸡发起DDoS攻击的控制端有252个,其中,26个控制端位于我国境内,226个控制端位于境外。
位于境外的控制端按国家或地区分布,美国占的比例最大,占49.1%,其次是中国香港和法国,如图1所示。
图1 本月发起DDoS攻击的境外控制端数量按国家或地区分布
位于境内的控制端按省份统计,江苏省占的比例最大,占19.2%,其次是广东省、辽宁省和浙江省;按运营商统计,电信占的比例最大,占65.4%,联通占15.4%,移动占3.8%,如图2所示。
图2 本月发起DDoS攻击的境内控制端数量按省份和运营商分布
本月发起攻击最多的境内控制端前二十名及归属如表1所示,主要位于广东省。
表1 本月发起攻击最多的境内控制端TOP20
控制端地址 | 归属省份 | 归属运营商或云服务商 |
115.X.X.43 | 浙江省 | 电信 |
221.X.X.62 | 海南省 | 移动 |
42.X.X.222 | 辽宁省 | 电信 |
222.X.X.108 | 江苏省 | 电信 |
42.X.X.96 | 河南省 | 联通 |
58.X.X.158 | 江苏省 | 电信 |
101.X.X.25 | 浙江省 | 联通 |
183.X.X.26 | 广东省 | 电信 |
118.X.X.194 | 北京市 | 电信 |
120.X.X.114 | 浙江省 | 阿里云 |
101.X.X.113 | 广东省 | 阿里云 |
123.X.X.198 | 贵州省 | 电信 |
59.X.X.88 | 北京市 | 阿里云 |
61.X.X.82 | 江苏省 | 电信 |
122.X.X.135 | 河南省 | 联通 |
14.X.X.168 | 广东省 | 电信 |
59.X.X.237 | 辽宁省 | 电信 |
117.X.X.204 | 北京市 | 待确认 |
118.X.X.207 | 广东省 | 电信 |
118.X.X.156 | 广东省 | 电信 |
2019年至今监测到的控制端中,25.2%的控制端在本月仍处于活跃状态,共计49个,其中位于我国境内的控制端数量为4个,位于境外的控制端数量为45个。持续活跃的境内控制端及归属如表2所示。
表2 2019年以来持续活跃发起DDOS攻击的境内控制端
控制端地址 | 归属省份 | 归属运营商 |
118.X.X.207 | 广东省 | 电信 |
120.X.X.114 | 浙江省 | 阿里云 |
118.X.X.156 | 广东省 | 电信 |
118.X.X.194 | 北京市 | 电信 |
2 肉鸡资源分析
根据CNCERT抽样监测数据,2019年3月,共有204,299个肉鸡地址参与真实地址攻击(包含真实地址攻击与其它攻击的混合攻击)。
这些肉鸡资源按省份统计,浙江省占的比例最大,为12.5%,其次是江苏省、河南省和广东省;按运营商统计,电信占的比例最大,为68.4%,联通占20.7%,移动占7.7%,如图3所示。
图3 本月肉鸡地址数量按省份和运营商分布
本月参与攻击最多的肉鸡地址前二十名及归属如表3所示,位于浙江省的地址最多。
表3 本月参与攻击最多的肉鸡地址TOP20
肉鸡地址 | 归属省份 | 归属运营商或云服务商 |
36.X.X.125 | 内蒙古自治区 | 电信 |
122.X.X.10 | 湖北省 | 联通 |
103.X.X.3 | 天津市 | 电信 |
183.X.X.226 | 浙江省 | 电信 |
183.X.X.98 | 浙江省 | 电信 |
121.X.X.99 | 广西壮族自治区 | 联通 |
61.X.X.114 | 浙江省 | 电信 |
210.X.X.170 | 北京市 | 联通 |
183.X.X.86 | 浙江省 | 电信 |
140.X.X.138 | 北京市 | 腾讯云 |
59.X.X.240 | 辽宁省 | 电信 |
223.X.X.3 | 北京市 | 移动 |
58.X.X.118 | 湖北省 | 电信 |
140.X.X.29 | 北京市 | 联通 |
122.X.X.61 | 浙江省 | 电信 |
103.X.X.154 | 北京市 | 待确认 |
183.X.X.99 | 浙江省 | 电信 |
36.X.X.7 | 北京市 | 电信 |
118.X.X.31 | 天津市 | 电信 |
122.X.X.218 | 浙江省 | 电信 |
2019年至今监测到的肉鸡资源中,共计55,970个肉鸡在本月仍处于活跃状态,其中位于我国境内的肉鸡数量为53,151个,位于境外的肉鸡数量为2,819个。2019年1月至今被利用发起DDoS攻击最多的肉鸡TOP20及归属如表4所示。
表4 2019年以来被利用发起DDoS攻击数量排名TOP20,且在本月持续活跃的肉鸡地址
肉鸡地址 | 归属省份 | 归属运营商 |
36.X.X.125 | 内蒙古自治区 | 电信 |
122.X.X.10 | 湖北省 | 联通 |
113.X.X.16 | 陕西省 | 电信 |
218.X.X.249 | 广西壮族自治区 | 电信 |
14.X.X.41 | 广东省 | 电信 |
112.X.X.170 | 广东省 | 联通 |
58.X.X.131 | 广东省 | 联通 |
120.X.X.50 | 广东省 | 联通 |
14.X.X.241 | 广东省 | 电信 |
112.X.X.51 | 广东省 | 联通 |
113.X.X.167 | 湖北省 | 联通 |
119.X.X.89 | 广东省 | 电信 |
183.X.X.50 | 湖北省 | 联通 |
118.X.X.139 | 吉林省 | 联通 |
183.X.X.60 | 广东省 | 电信 |
120.X.X.229 | 宁夏回族自治区 | 移动 |
111.X.X.53 | 吉林省 | 移动 |
122.X.X.110 | 吉林省 | 联通 |
59.X.X.2 | 辽宁省 | 电信 |
117.X.X.17 | 江西省 | 电信 |
2019年至今持续活跃的境内肉鸡资源按省份统计,河南省占的比例最大,占23.3%,其次是江苏省、福建省和安徽省;按运营商统计,电信占的比例最大,占82.6%,联通占11.3%,移动占2.6%,如图4所示。
图4 2019年以来持续活跃的肉鸡数量按省份和运营商分布
3 反射攻击资源分析
根据CNCERT抽样监测数据,2019年3月,利用反射服务器发起的三类重点反射攻击共涉及1,303,733台反射服务器,其中境内反射服务器946,672台,境外反射服务器357,061台。反射攻击所利用Memcached反射服务器发起反射攻击的反射服务器有10,203台,占比0.8%,其中境内反射服务器7,096台,境外反射服务器3,107台;利用NTP反射发起反射攻击的反射服务器有573,453台,占比44.0%,其中境内反射服务器394,888台,境外反射服务器178,565台;利用SSDP反射发起反射攻击的反射服务器有720,076台,占比55.2%,其中境内反射服务器544,688台,境外反射服务器175,388台。
(1)Memcached反射服务器资源
Memcached反射攻击利用了在互联网上暴露的大批量Memcached服务器(一种分布式缓存系统)存在的认证和设计缺陷,攻击者通过向Memcached服务器IP地址的默认端口11211发送伪造受害者IP地址的特定指令UDP数据包,使Memcached服务器向受害者IP地址返回比请求数据包大数倍的数据,从而进行反射攻击。
根据CNCERT抽样监测数据,2019年3月,利用Memcached服务器实施反射攻击的事件共涉及境内7,096台反射服务器,境外3,107台反射服务器。
本月境内Memcached反射服务器数量按省份统计,河南省占的比例最大,占28.9%,其次是广东省、山东省和浙江省;按归属运营商或云服务商统计,电信占的比例最大,占50.0%,移动占比21.6%,联通占比17.1%,阿里云占比6.8%,如图5所示。
图5 本月境内Memcached反射服务器数量按省份、运营商或云服务商分布
本月境外反射服务器数量按国家或地区统计,美国占的比例最大,占29.1%,其次是中国香港、俄罗斯和法国,如图6所示。
图6 本月境外反射服务器数量按国家或地区分布
本月被利用发起Memcached反射攻击的境内反射服务器按被利用发起攻击数量排名TOP30的反射服务器及归属如表5所示,位于广东省的地址最多。
表5 本月境内被利用发起Memcached反射攻击事件数量中排名TOP30的反射服务器
反射服务器地址 | 归属省份 | 归属运营商或云服务商 |
115.X.X.149 | 浙江省 | 电信 |
113.X.X.112 | 广东省 | 电信 |
123.X.X.195 | 北京市 | 阿里云 |
182.X.X.75 | 北京市 | 阿里云 |
116.X.X.10 | 云南省 | 电信 |
222.X.X.246 | 湖南省 | 电信 |
123.X.X.233 | 北京市 | 阿里云 |
218.X.X.12 | 江西省 | 电信 |
182.X.X.200 | 广东省 | 电信 |
116.X.X.67 | 广东省 | 联通 |
123.X.X.153 | 北京市 | 阿里云 |
119.X.X.15 | 广东省 | 阿里云 |
118.X.X.156 | 浙江省 | 阿里云 |
123.X.X.237 | 北京市 | 阿里云 |
120.X.X.76 | 广东省 | 阿里云 |
123.X.X.174 | 北京市 | 阿里云 |
120.X.X.82 | 浙江省 | 阿里云 |
101.X.X.90 | 北京市 | 阿里云 |
112.X.X.12 | 广东省 | 阿里云 |
112.X.X.77 | 浙江省 | 电信 |
123.X.X.251 | 北京市 | 阿里云 |
123.X.X.6 | 北京市 | 阿里云 |
112.X.X.84 | 北京市 | 阿里云 |
120.X.X.62 | 广东省 | 阿里云 |
121.X.X.249 | 浙江省 | 电信 |
120.X.X.36 | 浙江省 | 阿里云 |
120.X.X.159 | 广东省 | 阿里云 |
121.X.X.37 | 浙江省 | 阿里云 |
123.X.X.128 | 北京市 | 阿里云 |
120.X.X.56 | 广东省 | 阿里云 |
近两月被利用发起攻击的Memcached反射服务器中,共计3,031个在本月仍处于活跃状态。近两月被持续利用发起攻击的Memcached反射服务器按省份统计,广东省占的比例最大,占23.4%,其次是山东省、浙江省、北京市和上海市;按运营商或云服务统计,电信占的比例最大,占24.9%,阿里云占24.4%,移动占19.9%,联通占19.7%,如图7所示。
图7 近两月被持续利用发起攻击的Memcached反射服务器数量按省份运营商或云服务商分布
(2)NTP反射服务器资源
NTP反射攻击利用了NTP(一种通过互联网服务于计算机时钟同步的协议)服务器存在的协议脆弱性,攻击者通过向NTP服务器IP地址的默认端口123发送伪造受害者IP地址的Monlist指令数据包,使NTP服务器向受害者IP地址反射返回比原始数据包大数倍的数据,从而进行反射攻击。
根据CNCERT抽样监测数据,2019年3月,NTP反射攻击事件共涉及我国境内394,888台反射服务器,境外178,565台反射服务器。
本月被利用发起NTP反射攻击的境内反射服务器数量按省份统计,山东省占的比例最大,占28.0%,其次是河北省、湖北省和河南省;按归属运营商统计,移动占的比例最大,占41.9%,联通占比40.7%,电信占比17.0%,如图8所示。
图8 本月被利用发起NTP反射攻击的境内反射服务器数量按省份和运营商分布
本月被利用发起NTP反射攻击的境外反射服务器数量按国家或地区统计,越南占的比例最大,占50.4%,其次是澳大利亚、巴西和美国,如图9所示。
图9 本月被利用发起NTP反射攻击的境外反射服务器数量按国家或地区分布
本月被利用发起NTP反射攻击的境内反射服务器按被利用发起攻击数量排名TOP30及归属如表6所示,位于山西省的地址最多。
表6 本月境内被利用发起NTP反射攻击的反射服务器按涉事件数量TOP30
反射服务器地址 | 归属省份 | 归属运营商 |
111.X.X.70 | 山西省 | 移动 |
119.X.X.50 | 宁夏回族自治区 | 电信 |
211.X.X.146 | 山西省 | 移动 |
223.X.X.123 | 山东省 | 移动 |
120.X.X.149 | 广东省 | 移动 |
218.X.X.101 | 山东省 | 移动 |
111.X.X.206 | 山西省 | 移动 |
211.X.X.66 | 山西省 | 移动 |
111.X.X.245 | 山西省 | 移动 |
120.X.X.99 | 安徽省 | 移动 |
112.X.X.92 | 山东省 | 移动 |
211.X.X.85 | 山西省 | 移动 |
211.X.X.150 | 山西省 | 移动 |
211.X.X.234 | 山西省 | 移动 |
120.X.X.125 | 安徽省 | 移动 |
223.X.X.173 | 山东省 | 移动 |
183.X.X.29 | 山西省 | 移动 |
111.X.X.14 | 山西省 | 移动 |
112.X.X.58 | 山东省 | 移动 |
112.X.X.209 | 安徽省 | 移动 |
112.X.X.24 | 山东省 | 移动 |
183.X.X.235 | 山西省 | 移动 |
111.X.X.30 | 山西省 | 移动 |
111.X.X.21 | 山西省 | 移动 |
211.X.X.54 | 山西省 | 移动 |
120.X.X.28 | 安徽省 | 移动 |
112.X.X.197 | 安徽省 | 移动 |
112.X.X.254 | 安徽省 | 移动 |
111.X.X.217 | 山西省 | 移动 |
112.X.X.80 | 安徽省 | 移动 |
近两月被持续利用发起攻击的NTP反射服务器中,共计256,756个在本月仍处于活跃状态,其中184,446个位于境内,72,310个位于境外。持续活跃的NTP反射服务器按省份统计,山东省占的比例最大,占31.1%,其次是河北省、湖北省和河南省;按运营商统计,移动占的比例最大,占45.8%,联通占38.2%,电信占15.5%,如图10所示。
图10 近两月被持续利用发起攻击的NTP反射服务器数量按省份运营商分布
(3)SSDP反射服务器资源
SSDP反射攻击利用了SSDP(一种应用层协议,是构成通用即插即用(UPnP)技术的核心协议之一)服务器存在的协议脆弱性,攻击者通过向SSDP服务器IP地址的默认端口1900发送伪造受害者IP地址的查询请求,使SSDP服务器向受害者IP地址反射返回比原始数据包大数倍的应答数据包,从而进行反射攻击。
根据CNCERT抽样监测数据,2019年3月,SSDP反射攻击事件共涉及境内544,688台反射服务器,境外175, 388台反射服务器。
本月被利用发起SSDP反射攻击的境内反射服务器数量按省份统计,辽宁省占的比例最大,占23.1%,其次是浙江省、吉林省和广东省;按归属运营商统计,联通占的比例最大,占63.5%,电信占比35.0%,移动占比1.1%,如图11所示。
图11 本月被利用发起SSDP反射攻击的境内反射服务器数量按省份和运营商分布
本月被利用发起SSDP反射攻击的境外反射服务器数量按国家或地区统计,俄罗斯占的比例最大,占19.1%,其次是美国、加拿大和中国台湾,如图12所示。
图12 本月被利用发起SSDP反射攻击的境外反射服务器数量按国家或地区或地区分布
本月被利用发起SSDP反射攻击的境内反射服务器按被利用发起攻击数量排名TOP30的反射服务器及归属如表7所示,位于广东省的地址最多。
表7 本月境内被利用发起SSDP反射攻击事件数量中排名TOP30的反射服务器
反射服务器地址 | 归属省份 | 归属运营商 |
113.X.X.59 | 广东省 | 电信 |
220.X.X.215 | 云南省 | 电信 |
219.X.X.126 | 陕西省 | 电信 |
113.X.X.150 | 广东省 | 电信 |
60.X.X.213 | 云南省 | 电信 |
113.X.X.134 | 广东省 | 电信 |
222.X.X.46 | 重庆市 | 电信 |
113.X.X.9 | 广东省 | 电信 |
222.X.X.78 | 陕西省 | 电信 |
60.X.X.65 | 云南省 | 电信 |
60.X.X.206 | 云南省 | 电信 |
61.X.X.66 | 广东省 | 电信 |
222.X.X.209 | 云南省 | 电信 |
124.X.X.102 | 吉林省 | 电信 |
218.X.X.188 | 广东省 | 电信 |
219.X.X.76 | 陕西省 | 电信 |
121.X.X.189 | 广东省 | 电信 |
222.X.X.231 | 重庆市 | 电信 |
222.X.X.69 | 重庆市 | 电信 |
219.X.X.164 | 陕西省 | 电信 |
119.X.X.162 | 广东省 | 电信 |
124.X.X.194 | 陕西省 | 电信 |
61.X.X.44 | 陕西省 | 电信 |
61.X.X.98 | 陕西省 | 电信 |
125.X.X.54 | 四川省 | 电信 |
110.X.X.50 | 新疆维吾尔自治区 | 电信 |
220.X.X.118 | 云南省 | 电信 |
222.X.X.130 | 重庆市 | 电信 |
222.X.X.198 | 重庆市 | 电信 |
119.X.X.226 | 广东省 | 电信 |
近两月被持续利用发起攻击的SSDP反射服务器中,共计171,579个在本月仍处于活跃状态,其中73,793位于境内,97,786个位于境外。近两月持续活跃的参与大量攻击事件的SSDP反射服务器按省份统计,辽宁省占的比例最大,占16.2%,其次是浙江省、广东省和吉林省;按运营商统计,联通占的比例最大,占54.1%,电信占40.1%,移动占4.8%,如图13所示。
图13 近两月被持续利用发起攻击的SSDP反射服务器数量按省份运营商分布
(4)发起伪造流量的路由器分析
1. 跨域伪造流量来源路由器
根据CNCERT抽样监测数据,2019年3月,通过跨域伪造流量发起攻击的流量来源于85个路由器。根据参与攻击事件的数量统计,归属于天津市的路由器(202.X.X.118)参与的攻击事件数量最多,其次是归属于北京市电信的路由器(220.X.X.243、220.X.X.253、219.X.X.70),如表8所示。
表8 本月参与攻击最多的跨域伪造流量来源路由器TOP25
跨域伪造流量来源路由器 | 归属省份 | 归属运营商 |
202.X.X.118 | 天津市 | 待确认 |
220.X.X.243 | 北京市 | 电信 |
220.X.X.253 | 北京市 | 电信 |
219.X.X.70 | 北京市 | 电信 |
202.X.X.116 | 天津市 | 待确认 |
221.X.X.254 | 新疆维吾尔自治区 | 联通 |
218.X.X.2 | 云南省 | 电信 |
218.X.X.1 | 云南省 | 电信 |
221.X.X.1 | 天津市 | 电信 |
221.X.X.2 | 天津市 | 电信 |
117.X.X.2 | 天津市 | 联通 |
117.X.X.1 | 天津市 | 联通 |
218.X.X.138 | 湖北省 | 联通 |
202.X.X.222 | 集团 | 电信 |
202.X.X.223 | 集团 | 电信 |
202.X.X.192 | 江苏省 | 待确认 |
202.X.X.193 | 江苏省 | 待确认 |
221.X.X.191 | 广东省 | 移动 |
202.X.X.205 | 重庆市 | 电信 |
202.X.X.204 | 重庆市 | 电信 |
211.X.X.4 | 湖南省 | 移动 |
211.X.X.3 | 湖南省 | 移动 |
221.X.X.229 | 广东省 | 移动 |
202.X.X.136 | 浙江省 | 电信 |
202.X.X.137 | 浙江省 | 电信 |
跨域伪造流量涉及路由器按省份分布统计,北京市占的比例最大,占16.5%,其次是江苏省和广东省;按路由器所属运营商统计,电信占的比例最大,占41.4%,移动占比25.3%,联通占比16.1%,如图14所示。
图14 跨域伪造流量来源路由器数量按省份和运营商分布
2019年以来被持续利用转发DDoS攻击的跨域伪造流量来源路由器中,监测发现有59个在本月仍活跃,存活率为44.7%。按省份分布统计,江苏省占的比例最大,占22.0%,其次是北京市和天津市;按路由器所属运营商统计,电信占的比例最大,占39.3%,移动占比24.6%,联通占比14.8%,如图15所示。
图15 2019年被持续利用转发跨域伪造攻击流量本月仍活跃路由器数量按省份和运营商分布
2. 本地伪造流量来源路由器
根据CNCERT抽样监测数据,2019年3月,通过本地伪造流量发起攻击的流量来源于184个路由器。根据参与攻击事件的数量统计,归属于浙江省电信的路由器(61.X.X.4、61.X.X.8)参与的攻击事件数量最多,其次是归属于浙江省移动的路由器(211.X.X.225、211.X.X.224),如表9所示。
表9 本月参与攻击最多的本地伪造流量来源路由器TOP25
本地伪造流量来源路由器 | 归属省份 | 归属运营商 |
61.X.X.4 | 浙江省 | 电信 |
61.X.X.8 | 浙江省 | 电信 |
211.X.X.225 | 江西省 | 移动 |
211.X.X.224 | 江西省 | 移动 |
220.X.X.126 | 浙江省 | 电信 |
220.X.X.127 | 浙江省 | 电信 |
211.X.X.3 | 浙江省 | 移动 |
202.X.X.136 | 浙江省 | 电信 |
202.X.X.137 | 浙江省 | 电信 |
202.X.X.161 | 浙江省 | 电信 |
202.X.X.160 | 浙江省 | 电信 |
211.X.X.8 | 浙江省 | 移动 |
59.X.X.1 | 广东省 | 电信 |
119.X.X.9 | 广东省 | 电信 |
218.X.X.129 | 四川省 | 电信 |
118.X.X.168 | 四川省 | 电信 |
118.X.X.169 | 四川省 | 电信 |
202.X.X.64 | 四川省 | 电信 |
202.X.X.65 | 四川省 | 电信 |
211.X.X.2 | 浙江省 | 移动 |
183.X.X.254 | 广东省 | 电信 |
221.X.X.1 | 云南省 | 联通 |
183.X.X.254 | 广东省 | 电信 |
183.X.X.254 | 广东省 | 电信 |
218.X.X.2 | 云南省 | 电信 |
本月本地伪造流量涉及路由器按省份分布,江苏省占的比例最大,占16.3%,其次是浙江省、广东省和内蒙古自治区;按路由器所属运营商统计,电信占的比例最大,占43.2%,移动占比27.0%,联通占比14.6%,如图16所示。
图16 本地伪造流量来源路由器数量按省份和运营商分布
2019年以来被持续利用转发本地伪造流量DDoS攻击的路由器中,监测发现有113个在本月仍活跃,存活率为51.1%。按省份统计,浙江省占的比例最大,占18.6%,其次是江苏省、广东省和北京市;按路由器所属运营商统计,电信占的比例最大,占60.5%,移动占比21.9%,联通占比5.3%,如图17所示。
图17 2019年被持续利用且本月仍活跃的本地伪造流量来源路由器数量按省份运营商分布
声明:本文来自国家互联网应急中心CNCERT,版权归作者所有。文章内容仅代表作者独立观点,不代表安全内参立场,转载目的在于传递更多信息。如有侵权,请联系 anquanneican@163.com。
以上就是本文的全部内容,希望本文的内容对大家的学习或者工作能带来一定的帮助,也希望大家多多支持 码农网
猜你喜欢:- CNCERT:2018年10月我国DDoS攻击资源月度分析报告
- CNCERT:2018年11月我国DDoS攻击资源月度分析报告
- CNCERT:2019年2月我国DDoS攻击资源月度分析报告
- CNCERT:2019年4月我国DDoS攻击资源月度分析报告
- CNCERT:2019年5月我国DDoS攻击资源月度分析报告
- 2017年3月份月度小结
本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们。
计算群体智能基础
恩格尔伯里特 / 谭营 / 2009-10 / 69.00元
《计算群体智能基础》全面系统地介绍了计算群体智能中的粒子群优化(PSO)和蚁群优化(ACO)的基本概念、基本模型、理论分析及其应用。在简要介绍基本优化理论和总结各类优化问题之后,重点介绍了社会网络结构如何在个体间交换信息以及个体聚集行为如何形成一个功能强大的有机体。在概述了进化计算后,重点论述了粒子群优化和蚁群优化的基本模型及其各种变体,给出了分析粒子群优化模型的一种通用方法,证明了基于蚂蚁行为实......一起来看看 《计算群体智能基础》 这本书的介绍吧!