
ABUSE.MOM — COMPÓRTATE O SERÁS EXPUESTO
| Firma | Descripción | Puntos | Gravedad |
|---|---|---|---|
| UA bot: curl | User-Agent de bot/rastreador conocido detectado | +40 | |
| UA changed for same IP | Múltiples User-Agents — técnica de rotación de bot | +25 | |
| Danger medium hits: 27 | Riesgo medio: paneles admin, archivos de configuración | +60 | |
| 404 ratio >= 60% | Mayoría de solicitudes devolvieron 404 — enumeración | +25 | |
| Probe pattern 302->404 same path | Anomalía de comportamiento detectada automáticamente | +20 | |
| Burst: 132 req / 2s | Tasa de solicitudes anormalmente alta — escaneo | +35 | |
| Burst: 200 req / 10s | Tasa de solicitudes anormalmente alta — escaneo | +35 | |
| Foreign referer seen | Referer de dominio externo no relacionado | +10 | |
| POST requests present | Anomalía de comportamiento detectada automáticamente | +8 |
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 23.91.97.174 muestra comportamiento UA sospechoso. Bloquee solicitudes con User-Agent vacío.
IP 23.91.97.174 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 23.91.97.174.
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 |
|---|---|---|---|
| 80 | HTTP | Low | HTTP web server — standard web traffic |
| CVE ID | Link |
|---|---|
| CVE-2019-9511 | NVD → |
| CVE-2025-23419 | NVD → |
| CVE-2019-9513 | NVD → |
| CVE-2019-9516 | NVD → |
| CVE-2018-16843 | NVD → |
| CVE-2023-44487 | NVD → |
| CVE-2018-16845 | NVD → |
| CVE-2017-20005 | NVD → |
| CVE-2018-16844 | NVD → |
| CVE-2017-7529 | NVD → |
| CVE-2019-20372 | NVD → |
| CVE-2021-3618 | NVD → |
| CVE-2021-23017 | NVD → |
🔴 Este host tiene 13 CVE conocidos asociados con sus servicios expuestos. Este volumen sugiere software severamente desactualizado. Revise cada CVE en la base de datos NVD.
Fuente: Shodan InternetDB. Escaneado independientemente de abuse.mom.
Esta IP fue verificada contra las principales listas negras DNS utilizadas por servidores de correo y firewalls.
Verificado: Spamhaus, SpamCop, Barracuda, SORBS, CBL, UCEProtect.
23.91.97.174 has been assigned a threat score of 258/100 (Critical). Con esta calificación, la IP cae en el rango de severidad crítica — entre las direcciones más peligrosas en nuestra base de datos de monitoreo.
The following attack categories were identified:
Nuestra infraestructura de monitoreo ha identificado 23.91.97.174, geolocalizada en Hong Kong, Hong Kong, operando en la red de Zenlayer Inc, como fuente de actividad de red sospechosa. Durante su ventana de observación de 1 días, registramos 2 solicitudes hostiles de esta IP — aproximadamente 2 por día en promedio. 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. Con 3 patrones de ataque diferentes detectados, esta IP exhibe comportamiento característico de frameworks de escaneo automatizado avanzados. Hong Kong actualmente representa 101 IPs bloqueadas en nuestra base de datos, siendo una fuente significativa de tráfico malicioso. Con una puntuación de 258/100, 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.
Examining HTTP headers beyond User-Agent reveals attack tools and automated scripts. Missing standard headers, unusual ordering, non-standard values, and inconsistencies with claimed client identity all serve as reliable detection signals.
WAFs inspect HTTP traffic to block common attacks but require careful tuning. Overly aggressive rules cause false positives while permissive configurations miss attacks. Modern WAFs combine signature matching with behavioral analysis and machine learning.