Informe de amenaza IP
161.115.233.33
ABUSE.MOM — COMPÓRTATE O SERÁS EXPUESTO
Geolocalización y clasificación
Firmas de detección
| Firma | Descripción | Puntos | Gravedad |
|---|---|---|---|
| Danger medium hits: 4 | Riesgo medio: paneles admin, archivos de configuración | +40 | |
| Burst: 58 req / 2s | Tasa de solicitudes anormalmente alta — escaneo | +35 | |
| Burst: 59 req / 10s | Tasa de solicitudes anormalmente alta — escaneo | +35 | |
| Foreign referer seen | Referer de dominio externo no relacionado | +10 | |
| Burst: 43 req / 2s | Tasa de solicitudes anormalmente alta — escaneo | +35 | |
| Burst: 58 req / 10s | Tasa de solicitudes anormalmente alta — escaneo | +35 |
Actividad observada
Solicitudes HTTP reconstruidas de los registros del servidor. Dominios objetivo ocultos por seguridad.
* Typical request patterns for detected signatures. Actual target domains are redacted.
Cronología
Proveedor de red
Recomendaciones
Acciones tomadas y recomendadas
- IP 161.115.233.33 está bloqueada a nivel de aplicación (HTTP 403)
- Considere bloquear a nivel de firewall (iptables/CSF)
- Otras IPs maliciosas detectadas en la misma subred /24 — considere bloquear 161.115.233.0/24
- Reporte el abuso al proveedor de red a través de su contacto de abuso
- Asegúrese de que archivos sensibles (.env, .git) no sean accesibles desde la web
🌊 Mitigación de inundación/DDoS
Implemente limit_req_zone en nginx. Despliegue CDN con protección DDoS. Configure cookies SYN para controlar 161.115.233.33.
Vecinos en 161.115.233.0/24
Otras IPs bloqueadas de la misma subred /24 — indica abuso sistemático de este rango de red.
Puertos abiertos y servicios
Datos de reconocimiento de red de Shodan. Los puertos abiertos pueden indicar servicios en ejecución, configuraciones incorrectas o superficies de ataque.
| Port | Service | Risk | Description |
|---|---|---|---|
| 22 | SSH | Low | Secure Shell — common brute force target for remote access |
| 6060 | Unknown | Low | Service on port 6060 |
| 12345 | Unknown | Low | Service on port 12345 |
Fuente: Shodan InternetDB. Escaneado independientemente de abuse.mom.
Estado en listas negras (DNSBL)
Esta IP fue verificada contra las principales listas negras DNS utilizadas por servidores de correo y firewalls.
Verificado: Spamhaus, SpamCop, Barracuda, SORBS, CBL, UCEProtect.
Threat Analysis
161.115.233.33 has been assigned a threat score of 120/100 (Critical). Esto lo ubica en la categoría de amenaza crítica. Se recomienda encarecidamente el bloqueo inmediato en todos los perímetros de red.
The following attack categories were identified:
📊 Threat Analysis
La dirección 161.115.233.33 se origina en Los Angeles, United States, operando en la red de Server Mania Inc. Fue identificada mediante análisis automatizado del tráfico de red entrante en los puntos monitoreados. Durante un período de 24 días, esta IP generó 2 solicitudes maliciosas, promediando aproximadamente 0.1 solicitudes por día. Esta dirección pertenece a un proveedor de datacenter o hosting en la nube. Las IPs de hosting son frecuentemente aprovechadas por actores de amenazas que alquilan instancias VPS baratas específicamente para realizar ataques. Los ataques basados en tasa de esta IP buscan sobrecargar los recursos del servidor mediante inundación de solicitudes de alto volumen. United States actualmente representa 183 IPs bloqueadas en nuestra base de datos, siendo una fuente significativa de tráfico malicioso. Una puntuación de 120/100 coloca esta dirección en el nivel más alto de severidad.
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.
Related Threats
Security Intelligence
💡 File Upload Vulnerabilities
Insecure file upload functionality allows attackers to upload web shells, malware, or scripts that execute on the server. Proper validation must check file content, not just extensions, and uploaded files should be stored outside the web root.
💡 Machine Learning in Threat Detection
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.