Informe de amenaza IP
216.24.210.253
ABUSE.MOM — COMPÓRTATE O SERÁS EXPUESTO
Geolocalización y clasificación
Firmas de detección
| Firma | Descripción | Puntos | Gravedad |
|---|---|---|---|
| 404 ratio >= 60% | Mayoría de solicitudes devolvieron 404 — enumeración | +25 | |
| Danger medium hits: 1 | Riesgo medio: paneles admin, archivos de configuración | +10 | |
| Danger strong hits: 1 | Rutas de alto riesgo: shells, RCE, exploits | +25 | |
| Danger strong hits: 2 | Rutas de alto riesgo: shells, RCE, exploits | +50 | |
| UA suspicious | Anomalía de comportamiento detectada automáticamente | +15 | |
| UA suspicious (short/empty) | Anomalía de comportamiento detectada automáticamente | +15 |
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 216.24.210.253 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 216.24.210.0/24
- 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
🔎 Defensa contra escaneo de directorios
IP 216.24.210.253 está enumerando directorios. Configure fail2ban con jail apache-404 tras 10+ errores 404.
🤖 Defensa contra anomalías User-Agent
IP 216.24.210.253 muestra comportamiento UA sospechoso. Bloquee solicitudes con User-Agent vacío.
Vecinos en 216.24.210.0/24
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
216.24.210.253 has been assigned a threat score of 75/100 (High). Esto lo clasifica como una amenaza de alta severidad. Se recomienda el bloqueo proactivo para infraestructura sensible.
The following attack categories were identified:
📊 Threat Analysis
El análisis de inteligencia de amenazas vinculó 216.24.210.253 con actividad maliciosa originada en Los Angeles, United States, operando en la red de Ipxo LLC. La dirección ha estado bajo observación desde su detección inicial. Durante su ventana de observación de 50 días, registramos 264 solicitudes hostiles de esta IP — aproximadamente 5.3 por día en promedio. La dirección está clasificada como residencial. La actividad maliciosa desde IPs residenciales típicamente indica compromiso del dispositivo o membresía en botnet. Se identificaron dos patrones de ataque (Path Enumeration y User-Agent Anomaly), sugiriendo una campaña semi-automatizada que apunta a múltiples vulnerabilidades. Nuestros registros muestran 217 IPs maliciosas originadas desde United States, posicionándolo como un contribuyente significativa a la actividad de amenazas global. Una puntuación de 75/100 coloca esta IP en la categoría de alto riesgo. Se recomienda bloqueo a nivel de firewall.
This IP is classified as residential, suggesting it may belong to a compromised home device, IoT botnet member, or an infected personal computer. Residential IPs involved in attacks often indicate malware infection without the owner's knowledge.
Related Threats
🇺🇸 Top threats from United States
104.28.246.115 (350)104.28.246.113 (340)104.28.246.116 (340)104.28.235.58 (340)104.28.246.122 (340)View all →Security Intelligence
💡 Brute Force Attack Mechanics
Brute force attacks systematically try username and password combinations to gain unauthorized access. Modern attacks leverage credential databases from previous breaches, testing millions of combinations using distributed botnets across multiple IP addresses.
💡 Privacy-Preserving Threat Detection
Advanced techniques enable threat detection while minimizing privacy impact. Encrypted DNS, differential privacy in analytics, and federated learning for threat models allow effective security monitoring without unnecessary surveillance of legitimate user behavior.