Informe de amenaza IP
186.159.198.145
ABUSE.MOM — COMPÓRTATE O SERÁS EXPUESTO
Geolocalización y clasificación
Firmas de detección
| Firma | Descripción | Puntos | Gravedad |
|---|---|---|---|
| Directory Scan | 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 186.159.198.145 está bloqueada a nivel de aplicación (HTTP 403)
- Considere bloquear a nivel de firewall (iptables/CSF)
- Asegúrese de que archivos sensibles (.env, .git) no sean accesibles desde la web
⚙️ Seguridad general
Agregue 186.159.198.145 a la lista de bloqueo de su firewall. Revise logs para conexiones exitosas.
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
186.159.198.145 has been assigned a threat score of 60/100 (High). Esto lo clasifica como una amenaza de alta severidad. Se recomienda el bloqueo proactivo para infraestructura sensible.
📊 Threat Analysis
Nuestra infraestructura de monitoreo ha identificado 186.159.198.145, geolocalizada en San José, CR, operando en la red de Cable Tica, como fuente de actividad de red sospechosa. Nuestros sensores capturaron 137 solicitudes maliciosas de esta dirección en un período de 13 días, reflejando una cadencia de ataque sostenida de ~10.5 solicitudes por día. Nuestros registros muestran 16 IPs maliciosas originadas desde CR, posicionándolo como un contribuyente notable a la actividad de amenazas global. La puntuación de 60/100 justifica monitoreo activo y limitación de velocidad.
Related Threats
Security Intelligence
💡 Threat Score Calculation Methods
Threat scoring combines multiple signals — request patterns, known signatures, IP reputation, geographic risk, and behavioral analysis — into a single actionable metric. Weighted scoring models allow tuning sensitivity to balance security with usability.
💡 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.