
ABUSE.MOM — COMPÓRTATE O SERÁS EXPUESTO
| Firma | Descripción | Puntos | Gravedad |
|---|---|---|---|
| 404 ratio 40-60% | Mayoría de solicitudes devolvieron 404 — enumeración | +15 | |
| Burst 18/2s | Tasa de solicitudes anormalmente alta — escaneo | +35 | |
| Burst 19/2s | Tasa de solicitudes anormalmente alta — escaneo | +35 | |
| Burst 20/2s | Tasa de solicitudes anormalmente alta — escaneo | +35 | |
| Burst 36/10s | Tasa de solicitudes anormalmente alta — escaneo | +35 | |
| Burst 61/10s | Tasa de solicitudes anormalmente alta — escaneo | +35 | |
| Burst 69/10s | Tasa de solicitudes anormalmente alta — escaneo | +35 | |
| Burst 70/10s | Tasa de solicitudes anormalmente alta — escaneo | +35 | |
| Burst 71/10s | Tasa de solicitudes anormalmente alta — escaneo | +35 | |
| Danger medium hits: 198 | Riesgo medio: paneles admin, archivos de configuración | +60 | |
| Danger medium hits: 202 | Riesgo medio: paneles admin, archivos de configuración | +60 | |
| Danger medium hits: 24 | Riesgo medio: paneles admin, archivos de configuración | +60 | |
| Danger medium hits: 303 | Riesgo medio: paneles admin, archivos de configuración | +60 | |
| Danger strong hits: 3 | Rutas de alto riesgo: shells, RCE, exploits | +75 | |
| Danger strong hits: 4 | Rutas de alto riesgo: shells, RCE, exploits | +100 | |
| Danger strong hits: 6 | Rutas de alto riesgo: shells, RCE, exploits | +100 | |
| Danger strong hits: 8 | Rutas de alto riesgo: shells, RCE, exploits | +100 | |
| Probe 302→404 | Anomalía de comportamiento detectada automáticamente | +20 | |
| UA suspicious | Anomalía de comportamiento detectada automáticamente | +15 |
Solicitudes HTTP reconstruidas de los registros del servidor. Dominios objetivo ocultos por seguridad.
* Typical request patterns for detected signatures. Actual target domains are redacted.
IP 132.196.65.22 está enumerando directorios. Configure fail2ban con jail apache-404 tras 10+ errores 404.
Implemente limit_req_zone en nginx. Despliegue CDN con protección DDoS. Configure cookies SYN para controlar 132.196.65.22.
IP 132.196.65.22 muestra comportamiento UA sospechoso. Bloquee solicitudes con User-Agent vacío.
Esta IP fue verificada contra las principales listas negras DNS utilizadas por servidores de correo y firewalls.
Verificado: Spamhaus, SpamCop, Barracuda, SORBS, CBL, UCEProtect.
132.196.65.22 has been assigned a threat score of 280/100 (Critical). Esta es una amenaza de nivel crítico. Los administradores de sistemas deben tratar esta IP como hostil y bloquear todas las conexiones entrantes sin excepción.
The following attack categories were identified:
La dirección IP 132.196.65.22 ha sido rastreada hasta Des Moines, United States, operando en la red de Microsoft Corporation. Nuestros sistemas de detección de amenazas marcaron esta dirección basándose en patrones de comportamiento malicioso observados. Durante su ventana de observación de 1 días, registramos 135 solicitudes hostiles de esta IP — aproximadamente 135 por día en promedio. Clasificada como IP de hosting, esta dirección probablemente funciona en un servidor alquilado o instancia en la nube. Con 3 patrones de ataque diferentes detectados, esta IP exhibe comportamiento característico de frameworks de escaneo automatizado avanzados. Nuestros registros muestran 101 IPs maliciosas originadas desde United States, posicionándolo como un contribuyente significativa a la actividad de amenazas global. Con una puntuación de 280/100, esta IP está entre las más peligrosas de nuestra base de datos. Se recomienda bloqueo inmediato y completo.
This IP belongs to a hosting or data center provider. Malicious traffic from hosting infrastructure often originates from compromised VPS instances, rented servers used for scanning campaigns, or abused free-tier cloud accounts. Hosting providers typically respond to abuse reports within 24-72 hours.
Distributed denial of service attacks overwhelm infrastructure with traffic volume. Effective mitigation combines always-on traffic scrubbing, anycast network distribution, rate limiting, and the ability to quickly scale absorption capacity during attacks.
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.