Informe de amenaza IP
162.141.167.50
ABUSE.MOM — COMPÓRTATE O SERÁS EXPUESTO
Geolocalización y clasificación
Firmas de detección
| Firma | Descripción | Puntos | Gravedad |
|---|---|---|---|
| Malicious Activity | Anomalía de comportamiento detectada automáticamente | +0 |
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
Recomendaciones
Acciones tomadas y recomendadas
- IP 162.141.167.50 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 162.141.167.0/24
- Asegúrese de que archivos sensibles (.env, .git) no sean accesibles desde la web
⚙️ Seguridad general
Agregue 162.141.167.50 a la lista de bloqueo de su firewall. Revise logs para conexiones exitosas.
Vecinos en 162.141.167.0/24
Otras IPs bloqueadas de la misma subred /24 — indica abuso sistemático de este rango de red.
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
162.141.167.50 has been assigned a threat score of 75/100 (High). A este nivel de amenaza, la IP se considera de alto riesgo. Las reglas del firewall deben actualizarse para denegar el tráfico de esta fuente.
📊 Threat Analysis
Nuestra infraestructura de monitoreo ha identificado 162.141.167.50, geolocalizada en London, United Kingdom, operando en la red de Interserver, Inc, como fuente de actividad de red sospechosa. La dirección ha estado activa durante 27 días en nuestro sistema de monitoreo, produciendo 29 solicitudes marcadas a una tasa de ~1.1/día. La puntuación de 75/100 indica un actor malicioso confirmado.
Related Threats
🇬🇧 Top threats from United Kingdom
162.141.167.53 (230)162.141.167.49 (230)162.141.167.4 (85)View all →Security Intelligence
💡 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.
💡 Supply Chain Security Challenges
Attacks targeting software supply chains compromise trusted update mechanisms to distribute malware at scale. Dependency confusion, typosquatting in package registries, and compromised build pipelines threaten even organizations with strong direct security postures.