首頁 › 教學文章

Spamhaus 解除列入：如何讓 IP 或網域從黑名單移除

發布日期 2026-11-03 ／ 更新日期 2026-11-03 ／ 作者 Yuki Nakazawa

從 Spamhaus 移除分為三個步驟：確認自己被列入的是哪一個 Spamhaus 清單、修正導致被列入的原因，再依照該清單專屬的移除流程處理。如果跳過中間的步驟，只要原因仍然存在，IP 就會再次被列入。

移除方式依清單而不同。PBL 屬於政策性的列入，並不是指控，有時可以自行申請排除。XBL 和 CSS 是針對受感染或行為異常主機的自動列入；只要再次偵測到問題，就會再次被列入。SBL 的列入須透過管理該 IP 的 ISP 或網路擁有者處理。DBL 的對象是網域而非 IP。無論哪一種情況，最終決定權都在 Spamhaus，而且 Spamhaus 表示移除絕不收費。

本教學依據 2026 年 11 月時 Spamhaus 的官方頁面撰寫。Spamhaus 會更新其政策與工具，提出任何申請前，請先到其網站確認細節。如果您還在釐清郵件被退回的原因，請先閱讀〈郵件遭黑名單封鎖的處理教學〉。

Spamhaus 是什麼，ZEN 回傳代碼代表什麼

Spamhaus 是長期運作的反垃圾郵件組織，以 DNS 黑名單（DNSBL）的形式發布信譽資料。當您的伺服器連線寄送郵件時，收件伺服器可以用這些清單查詢您的 IP 位址（有時也會查詢郵件中出現的網域），再決定要接收、過濾或拒收該郵件。

在退信訊息中最常看到的名稱是 ZEN（zen.spamhaus.org）。ZEN 本身並不是獨立的清單：它把 Spamhaus 以 IP 為基礎的免費清單，也就是 SBL、CSS、XBL 和 PBL，整合成單一區域，讓郵件伺服器只需查詢一次。如果您被列入 ZEN，實際上就是被列入這四個清單之一。由於 ZEN 只涵蓋 IP 位址，網域則另外以 DBL 查詢。

ZEN 回傳代碼的意義

被列入的 IP 會回傳 127.0.0.x 範圍內的位址。最後一個數字代表命中的是哪一個底層清單，也就能看出由誰負責處理。

DBL（dbl.spamhaus.org）使用自己的範圍。127.0.1.2 到 127.0.1.99 的回應代表網域本身信譽不佳。127.0.1.102 到 127.0.1.199 的回應則代表原本合法、但正遭到濫用的網域，典型的例子是被駭的網站。

並不代表被列入的代碼

Spamhaus 明確指出，以下回應屬於錯誤，不能視為被列入：

如何確認是否被列入

要查詢自己的狀況，最權威的地方是 Spamhaus 官方的 IP and Domain Reputation Checker（check.spamhaus.org）。Spamhaus 的各清單頁面都會引導到這裡查看列入詳情與處理步驟，而 PBL、XBL、CSS 和 DBL 的移除也只在這裡受理。

1. 找出寄件 IP。退信訊息中常會引用 Spamhaus 的 URL 或回傳代碼，請先仔細閱讀。如果沒有，請查看您寄出郵件的 Received 標頭，或詢問郵件伺服器的管理者是從哪個 IP 寄出。網頁伺服器和郵件伺服器的位址不一定相同。
2. 查詢該 IP。結果會顯示您被列入的清單、Spamhaus 有公開時的原因，以及該清單的下一步處理方式。
3. 也查詢您的網域。請檢查您用來寄信的網域，以及郵件內連結中出現的所有網域。Spamhaus 指出，網域與 IP 的信譽是相關的。
4. 記錄您看到的內容。清單名稱、時間和說明文字，正是主機業者或 ISP 會向您詢問的資訊。

Spamhaus 並不是收件端唯一使用的黑名單。若要確認同一個 IP 或網域是否也出現在其他清單上，請使用本站的黑名單檢查工具查詢。如果實際封鎖您的是另一個清單，即使從 Spamhaus 移除也幫助不大。

如果您習慣使用命令列，請將 IP 的各段數字反轉，再接上區域名稱。以 192.0.2.10 為例：

dig +short 10.2.0.192.zen.spamhaus.org

沒有回應代表未被列入；回應為 127.0.0.x 時請對照上方表格；回應為 127.255.255.x 則是錯誤。在相信這個結果之前，請先閱讀下一節，因為您透過哪個解析器查詢會影響結果。

為什麼不同工具的結果不一樣

常見的情況是，一個檢查工具顯示被 Spamhaus 列入，另一個卻顯示沒有問題。大多數時候，差異來自執行查詢的是哪一個 DNS 解析器。

• 公共解析器經常得到誤導性的「未列入」。免費使用 Spamhaus DNSBL 有一些條件，其中之一是查詢不得來自公共解析器，或反向 DNS 為通用格式的 IP。根據 Spamhaus 的 DNSBL 使用常見問題，如果您使用 Google Public DNS（8.8.8.8）等免費開放的解析器，在大多數情況下會得到「未列入」（NXDOMAIN）的回應。因此，依賴這類解析器的工具，可能會告訴您已被列入的 IP 沒有問題。
• 有些解析器則會得到明確的錯誤。對於透過無法對應到特定使用者的解析器送來的查詢，Spamhaus 會回傳 127.255.255.254。Cloudflare 的公共 DNS（1.1.1.1）就是一例：Spamhaus 於 2022 年 1 月宣布，將自 2022 年 2 月起在 Cloudflare 的 IP 範圍逐步實施這個錯誤代碼。這個回應完全無法說明您的信譽狀況。
• 路徑與設定也有影響。該常見問題也指出，通往公共解析器的路由各不相同，結果可能因路徑而異；有些解析器會改寫不存在的回應（NXDOMAIN 劫持）；而且您的郵件伺服器與命令列環境使用的解析器不一定相同。

工具之間結果不一致時，請以 Spamhaus 自己的檢查工具為準。如果您經營的郵件伺服器是用 Spamhaus 過濾收到的郵件，同樣的問題就會反過來影響您：Spamhaus 建議為這些查詢架設自己的 DNS 解析器，並警告絕對不能用 127.255.255.x 錯誤代碼來拒收郵件。免費使用僅限於少量、非商業用途；查詢量較大時需要使用 Spamhaus 的訂閱服務。

Spamhaus 各清單的移除方式

每個清單都有各自的規則和負責單位。但有一條規則適用於所有清單：如果原因仍然存在，移除就不會持久。

PBL：Policy Blocklist

PBL 列出的是不應直接寄信給其他郵件伺服器的終端使用者 IP 範圍，例如一般的家用與行動寬頻。被列入並不代表有不當行為。這些範圍的郵件應該透過經驗證的提交伺服器寄送，例如 ISP 的 smarthost 或您的信箱服務業者，再由它們負責投遞。只有 Spamhaus 和獲授權的 ISP 帳戶可以變更 PBL 記錄。

1. 先確認您是否真的需要從這個 IP 直接寄信。如果郵件是從一般連線上的桌面郵件軟體、印表機或應用程式寄出，正確的做法是透過業者經驗證的郵件伺服器寄送，而不是移除該 IP。
2. 如果您經營的是真正的郵件伺服器，請確認該 IP 符合條件：必須是固定 IP、實際執行對外寄信的郵件伺服器、正向與反向 DNS 相符，而且屬於您所有。動態位址和非郵件伺服器的機器不符合條件。
3. 在該網路的政策允許終端使用者申請時，透過信譽檢查工具申請排除。申請必須使用非免費郵件網域的地址；來自 Gmail 或 Yahoo 等免費信箱業者的申請會被視為無效。

終端使用者對單一 IP 的排除會在一年後失效。如果偵測到已排除的 IP 寄出垃圾郵件，排除會立即撤銷。大量移除 IP 的人可能會失去移除權限，而大量變更原本就應由 ISP 處理。

XBL：Exploits Blocklist

XBL 列出的是出現遭入侵跡象的 IPv4 和 IPv6 位址。列入是自動進行的，當 Spamhaus 掌握有力證據，顯示該 IP 上的裝置不安全、遭入侵或受感染時就會列入。Spamhaus 舉出的例子包括：裝置上有惡意程式、參與暴力破解攻擊、試圖以竊取的帳密轉送郵件、以符合惡意程式特徵的模式頻繁連線到 sinkhole（用來誘捕惡意流量的伺服器），以及把使用者裝置當作代理伺服器的「免費 VPN」類應用程式。

1. 找出受影響的裝置。如果是共用的網路連線，請檢查每一台電腦、手機和伺服器，以及路由器和防火牆。留意不熟悉的應用程式和瀏覽器擴充功能，特別是免費 VPN。
2. 清除問題後，更新作業系統、軟體和資安工具。
3. 在路由器或防火牆上關閉對外的連接埠 25，只允許已知的郵件伺服器使用 SMTP。
4. 透過信譽檢查工具申請移除。

如果原因沒有修正，該 IP 下次連線到 Spamhaus 時就會再次被列入；只封鎖連往 sinkhole 的連線並不能根除感染。行為停止後，列入也會自行失效。如果檢查工具顯示該 IP 已無問題，但部分網路仍在封鎖，Spamhaus 請您先等待約 24 小時讓這些網路同步，再提出新的工單。

CSS：Combined Spam Sources

CSS 是自動產生的資料集，收錄寄出低信譽郵件的 IP，在 ZEN 中以 127.0.0.3 回傳。典型的原因包括未經請求的郵件、名單管理不良、snowshoe 寄送（分散到大量 IP 與網域寄信）、遭入侵或不安全的安裝環境，以及伺服器設定錯誤。正向與反向 DNS 及 HELO 值不一致或缺漏，是典型的觸發原因；Spamhaus 建議主機名稱與 HELO 一致，並讓 PTR 記錄指向同一個主機名稱。設定錯誤的主機控制台也可能表現得像垃圾郵件機器人。

Spamhaus 在這一點上說得很直接：必須先找出並修正造成問題的原因，IP 才會被移除。列入通常會在最後一次偵測後約三天失效。如果問題仍持續被偵測到，IP 就會再次被列入，而且自行移除的次數有限制。

SBL：Spamhaus Blocklist

SBL 列出的是 Spamhaus 判定為惡意的 IP：垃圾郵件來源、垃圾郵件所宣傳網站的主機或垃圾郵件與惡意程式活動所使用的其他資源，以及殭屍網路控制伺服器、釣魚網站、勒索軟體主機等資安威脅。SBL 的移除申請必須由負責該 IP 的 ISP 提出。如果您是終端使用者，請聯絡您的 ISP 或郵件服務業者，而不是 Spamhaus。ISP 會處理濫用問題、確認已永久修正，再透過列入頁面聯絡 SBL 移除團隊。所有 SBL 的移除都由 The Spamhaus Project 單獨決定。

DBL：Domain Blocklist

DBL 列出的是信譽不佳的網域名稱。Spamhaus 並未公開確切的判定標準，但其常見問題提到了橫跨大量網域與 IP 的 snowshoe 模式、容忍濫用的主機服務、信譽尚不明確的新網域，以及遭入侵的合法網站（通常是因為 CMS 軟體過舊或帳密被竊）。SPF、DKIM 和 DMARC 會有幫助，但無論有沒有設定，網域都可能被列入。

1. 如果網站遭駭，請盡可能先將網站下線、移除受感染的檔案、更新 CMS、外掛程式和擴充功能、加強伺服器安全、變更所有密碼，並在可行的地方啟用雙重驗證。
2. 原因排除後，透過信譽檢查工具申請移除。

提交表單並不保證一定會解除列入。網域不再符合條件後，列入也會在無人介入的情況下失效。獲准的移除通常處理得很快，但部分系統最多可能需要 24 小時；如果超過這段時間仍被列入，Spamhaus 請您與其聯絡。

申請移除前應先修正的常見原因

提出任何申請之前，請先逐一檢查常見的可疑原因。大多數的列入都可以追溯到以下其中一項：

• 信箱遭盜用。密碼外洩或被猜中，會讓垃圾郵件發送者能登入您的郵件伺服器並透過它寄信。請重設密碼、檢查寄信記錄，並啟用雙重驗證。
• 網站或表單遭入侵。過舊的 CMS 和外掛程式會被接管，而設有自動回覆的聯絡表單可能被濫用來寄信到任意地址。
• 惡意程式或代理應用程式。網路中一台受感染的筆電或一個「免費 VPN」應用程式，就可能讓整條連線被列入 XBL。
• 購買來的名單或過時的名單。寄信給從未要求收信的人，是很快就會被列入的途徑。Spamhaus 建議大量郵件採用雙重確認訂閱（double opt-in）。
• 共用 IP 的鄰居。在共享主機上，真正的原因可能是同一 IP 上的其他客戶。這只有業者能處理，請與業者聯絡。
• 伺服器設定。主機名稱、HELO 和反向 DNS 應該一致，對外的連接埠 25 應只開放給您的郵件伺服器。

如果尚未設定郵件驗證，請參閱〈SPF、DKIM 和 DMARC 設定方式〉。單靠驗證無法阻止被列入，但 DMARC 報告能幫助您發現冒名寄信，整體而言也能改善送達率。

應避免的做法

• 不要一再提出申請。在問題仍存在時反覆申請，只會導致再次被列入，而且 PBL 和 CSS 都限制了自行移除的次數。
• 移除既不會自動發生，也沒有任何保證。SBL 的移除完全由 Spamhaus 決定，DBL 的頁面也明白表示，提交表單並不保證會解除列入。
• 不收任何費用。Spamhaus 表示，移除任何 Spamhaus 列入都絕不收取任何費用。對以 Spamhaus 名義要求付款的人請提高警覺。
• 使用共享主機時，請透過業者處理。如果您無法掌控該 IP，就無法修正原因，通常也無法申請 SBL 移除。
• 考量收件端自己的過濾機制。大型郵件服務業者除了公開黑名單之外，也會使用自己的信譽系統，因此解除列入後，郵件送達不一定會立刻恢復。如果 Gmail 仍然拒收，請參閱〈郵件無法送達 Gmail 的原因〉。

常見問題

參考的官方頁面

本文內容已於發布時對照下列官方頁面確認。各項政策與運作方式可能未經通知即變更，涉及重要決定前，請先查閱官方頁面。

• Spamhaus: ZEN Blocklist
• Spamhaus FAQ: DNSBL Usage (return codes and public resolvers)
• Spamhaus: Policy Blocklist (PBL)
• Spamhaus: Exploits Blocklist (XBL)
• Spamhaus: Combined Spam Sources (CSS)
• Spamhaus: Spamhaus Blocklist (SBL)
• Spamhaus: Domain Blocklist (DBL)
• Spamhaus: Using our public mirrors? Check your return codes now
• Spamhaus: If you query the legacy DNSBLs via Cloudflare's DNS
• Spamhaus Technology Docs: Datasets

相關文章

所有教學文章 →