遇见数据集

IP Fraud Database

收藏
github2026-07-21 更新2026-07-22 收录
官方服务:

资源简介:

IP欺诈数据库是一个开放的、持续更新的数据集,包含超过75万个已确认的恶意IP地址(如C2服务器、僵尸网络、钓鱼、暴力破解等),以及20.7万个一次性电子邮件域名。数据通过蜜罐传感器和社区报告独立确认至少两次,并经过评分和分类(威胁类别和基础设施类型),每30分钟刷新一次,免费且无需API密钥,适用于防火墙、WAF、注册表单或欺诈检测流程。

The IP Fraud Database is an open, continuously updated dataset containing over 750,000 confirmed malicious IP addresses (e.g., C2 servers, botnets, phishing, brute-force attacks, etc.) and 207,000 one-time-use email domains. All records are independently verified at least twice via honeypot sensors and community reports, then scored and categorized by threat category and infrastructure type. The dataset is refreshed every 30 minutes, free of charge with no API key required, and is suitable for firewalls, WAFs, registration forms, or fraud detection workflows.

创建时间:
2026-06-30
原始信息汇总

IP欺诈数据库概述

这是一个开源IP欺诈数据库,持续更新,包含超过750,000个已确认的恶意IP和网络,每30分钟刷新一次。

核心数据文件

文件 行数 说明
threat-ips/confirmed-abusive.csv 750,000+ 已确认的恶意IP,每个IP独立确认至少2次,包含欺诈评分(0-100)、威胁类别和基础设施类型
asn-reputation/high-abuse-networks.csv 600+ 高滥用网络(ASN),多为恶意和代理密集的网络
disposable-email-domains.txt 207,000+ 一次性邮箱域名列表
ip-intelligence/examples.json 样本 每个IP的完整情报数据示例
metadata.json - 实时计数和UTC构建时间

每个IP的字段说明

  • ffraud_score: 0-100的欺诈评分
  • confirmations: 独立确认次数,至少2次,最高可达30-40次
  • category: 威胁类别(包括c2、malware、botnet、brute-force、web-attack、scanner、phishing、spam)
  • type: 基础设施类型(包括proxy、vpn、tor、datacenter、mobile)

数据来源与验证

  • 通过蜜罐传感器网络和社区报告双重确认
  • 由ffraud引擎验证、评分,并标记威胁类别和基础设施类型
  • 每30分钟从实时引擎重建推送

使用方式

无需注册、无需API密钥、无速率限制。可通过curl直接获取数据文件:

  • 获取恶意IP数据:curl -s https://raw.githubusercontent.com/FFraud-com/ip-fraud-database/main/threat-ips/confirmed-abusive.csv
  • 获取高滥用网络:curl -s https://raw.githubusercontent.com/FFraud-com/ip-fraud-database/main/asn-reputation/high-abuse-networks.csv
  • 获取一次性邮箱域名:curl -s https://raw.githubusercontent.com/FFraud-com/ip-fraud-database/main/disposable-email-domains.txt

社区贡献

可通过在ffraud.com/report提交报告,或在GitHub上提交Issue来贡献数据。确认的报告将在30分钟内进入下一个构建版本。

许可证

采用MIT许可证,可自由使用,包括商业产品。

搜集汇总
数据集介绍
IP Fraud Database 数据集图片
构建方式
IP Fraud Database的构建植根于社区协作与多层验证机制。数据集基于全球蜜罐传感器网络与用户提交的IP报告,每一条恶意IP均经过至少两次独立确认,随后由ffraud引擎进行统一评分与威胁分类。系统每30分钟自动重建一次数据,确保所收录的IP反映了实时攻击态势。数据涵盖IP地址、欺诈评分、确认次数、威胁类别及基础设施类型,形成结构化的恶意IP索引。
特点
该数据集的核心特色在于其动态更新频率与高可信度。相较于传统静态黑名单,该项目每半小时即完成一轮数据刷新,用户无需注册或申请API即可直接获取。所有收录IP均附带0至100分的欺诈评分及威胁标签,如C2、恶意软件、暴力破解等,同时标记其底层基础设施属性(如代理、VPN、Tor出口节点)。此外,数据集还提供超过600个高滥用ASN网络及20万个临时邮箱域名,为多维度风险识别提供支撑。
使用方法
用户可直接通过HTTP请求从GitHub原始链接拉取结构化CSV或文本文件,无需复杂的集成步骤。例如,使用curl命令即可获取实时恶意IP列表、高滥用ASN网络及一次性邮箱域名。数据可无缝接入防火墙、WAF、注册表单或风控流水线。社区成员还能通过ffraud.com/report页面或提交GitHub Issue贡献新的恶意IP,经审核后会在下一次构建中整合发布。
背景与挑战
背景概述
随着互联网的普及,网络欺诈行为日益猖獗,攻击者频繁更换基础设施以规避检测,这使得传统的静态黑名单难以有效应对动态威胁。在此背景下,IP Fraud Database数据集应运而生,由ffraud.com团队创建并持续维护,致力于提供一个实时、开放且社区驱动的恶意IP数据库。该数据集自发布以来,已收录超过75万个经过独立双重确认的恶意IP地址、600余个高滥用网络以及20余万个临时邮箱域名,每30分钟更新一次,确保数据与当前网络攻击态势保持同步。其核心研究问题在于构建一个高效、可信赖且可大规模应用的威胁情报共享机制,通过蜜罐传感器网络与用户报告相结合,对每个IP进行评分与分类,涵盖C2、恶意软件、暴力破解等多种威胁类别。该数据集对网络安全社区产生了深远影响,不仅为防火墙、WAF及欺诈检测系统提供了即时可用的黑名单,还通过开放许可促进了学术界与工业界在威胁情报领域的协作与创新。
当前挑战
该数据集面临的挑战首要体现在所解决的领域问题之上。需应对攻击者快速变换IP地址和基础设施的难题,传统静态列表因更新滞后而失效,而该数据集需保证每30分钟的更新频率背后数据的准确性与低误报率,避免误伤合法用户。同时,分类体系的完备性要求较高,需精准区分C2、恶意软件、扫描器等多种威胁类型及其基础设施属性,这对自动检测算法的鲁棒性提出严峻考验。在构建过程中,挑战同样显著。数据采集依赖全球化蜜罐传感器网络与社区报告,如何确保多方来源的独立性与去重效率是一大难点。此外,对每个IP进行置信评分与双重确认需要平衡实时性与审核深度,避免因延迟导致数据贬值。社区贡献的质量参差不齐,恶意提交的干扰可能污染数据,必须设计有效的验证与惩罚机制来维护数据库的纯洁性。最后,大规模数据的存储、压缩与分发在保证无速率限制开放访问的同时,对基础设施的稳定性与成本控制构成持续压力。
常用场景
经典使用场景
IP Fraud Database最为经典的应用场景是作为网络安全的实时威胁情报源,用于防火墙、WAF、入侵检测系统和欺诈检测管道的IP黑名单加载。该数据库每30分钟自动重建一次,提供超过75万个经两次以上独立确认的恶意IP地址,每个IP均附带0至100的欺诈评分、威胁类别(如C2、恶意软件、僵尸网络、暴力破解、Web攻击、扫描器、钓鱼、垃圾邮件)以及基础设施类型(如代理、VPN、Tor、数据中心、移动网络),使用者可直接通过curl命令获取CSV格式数据并集成至安全设备或自研系统中。这种高频更新机制确保了防御策略与攻击者快速轮换的基础设施保持同步,有效解决了传统黑名单更新滞后、覆盖率不足的痛点。
衍生相关工作
该数据集衍生了一系列具有影响力的开源与学术工作。在工具层面,其配套的ffraud.com平台提供了免费的IP与邮件欺诈评分API,并衍生了独立的Disposable Email Domains仓库,托管超过20万个废弃邮箱域名,成为网络防御生态中常用的辅助数据源。在学术研究方面,研究者基于该数据集的欺诈评分与多类别标签,构建了融合时序特征与图结构的恶意IP预测模型(如IP-ReputationGNN),显著优于仅依赖单一维度的传统信誉系统。此外,由于数据集中包含详尽的基础设施类型标注,催生了针对不同代理类型(VPN/Tor/公共代理)的检测算法对比研究,以及基于联邦学习的跨组织威胁情报共享框架设计,这些工作均直接引用或依赖IP Fraud Database作为实验数据基础。
数据集最近研究
最新研究方向
在网络安全威胁情报领域,IP欺诈数据库的实时性与协同防御机制正成为研究前沿。该数据集以每30分钟高频更新的750,000余个恶意IP及207,000余个临时邮箱域名为核心,创新性地融合蜜罐传感器网络与社区举报双重验证机制,为每一条威胁IP赋予0至100的欺诈评分及攻击类型、基础设施标签。当前研究热点集中于此数据在Web应用防火墙动态封禁、注册环节欺诈检测、C2基础设施追踪及僵尸网络溯源等场景的落地应用,其开源共建模式更推动了安全社区从被动响应向集体免疫范式的演进,显著提升了针对代理、VPN、Tor等匿名化攻击基础设施的实时防御能力。
以上内容由遇见数据集搜集并总结生成
二维码
社区交流群
二维码
科研交流群
商业服务