
ABUSE.MOM — COMPÓRTATE O SERÁS EXPUESTO
| Firma | Descripción | Puntos | Gravedad |
|---|---|---|---|
| UA changed for same IP | Múltiples User-Agents — técnica de rotación de bot | +25 | |
| Danger medium hits: 16 | Riesgo medio: paneles admin, archivos de configuración | +60 | |
| 404 ratio 40-60% | Mayoría de solicitudes devolvieron 404 — enumeración | +15 | |
| Probe pattern 302->404 same path | Anomalía de comportamiento detectada automáticamente | +20 | |
| Foreign referer seen | Referer de dominio externo no relacionado | +10 | |
| Imported from old blocklist | Anomalía de comportamiento detectada automáticamente | +0 | |
| Danger medium hits: 6 | Riesgo medio: paneles admin, archivos de configuración | +60 |
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 47.129.249.45 muestra comportamiento UA sospechoso. Bloquee solicitudes con User-Agent vacío.
IP 47.129.249.45 está enumerando directorios. Configure fail2ban con jail apache-404 tras 10+ errores 404.
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 |
|---|---|---|---|
| 8089 | Unknown | Low | Service on port 8089 |
| CVE ID | Link |
|---|---|
| CVE-2021-32791 | NVD → |
| CVE-2021-26691 | NVD → |
| CVE-2018-1302 | NVD → |
| CVE-2020-7061 | NVD → |
| CVE-2024-38472 | NVD → |
| CVE-2019-11046 | NVD → |
| CVE-2019-9020 | NVD → |
| CVE-2020-11579 | NVD → |
| CVE-2024-27316 | NVD → |
| CVE-2015-9253 | NVD → |
| CVE-2025-58098 | NVD → |
| CVE-2017-7668 | NVD → |
| CVE-2022-31628 | NVD → |
| CVE-2019-10082 | NVD → |
| CVE-2023-25690 | NVD → |
| CVE-2019-11042 | NVD → |
| CVE-2024-38475 | NVD → |
| CVE-2025-53020 | NVD → |
| CVE-2019-10092 | NVD → |
| CVE-2018-14883 | NVD → |
| CVE-2020-1927 | NVD → |
| CVE-2020-7067 | NVD → |
| CVE-2025-59775 | NVD → |
| CVE-2022-22720 | NVD → |
| CVE-2019-10081 | NVD → |
🔴 Este host tiene 156 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.
47.129.249.45 has been assigned a threat score of 130/100 (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:
La dirección 47.129.249.45 se origina en Singapore, Singapore, operando en la red de Amazon Technologies Inc. Fue identificada mediante análisis automatizado del tráfico de red entrante en los puntos monitoreados. Nuestros sensores capturaron 5 solicitudes maliciosas de esta dirección en un período de 51 días, reflejando una cadencia de ataque sostenida de ~0.1 solicitudes por día. Operando desde infraestructura de datacenter, esta IP es típica de direcciones usadas en operaciones de ataque organizadas. Se identificaron dos patrones de ataque (User-Agent Anomaly y Path Enumeration), sugiriendo una campaña semi-automatizada que apunta a múltiples vulnerabilidades. Nuestros registros muestran 102 IPs maliciosas originadas desde Singapore, posicionándolo como un contribuyente significativa a la actividad de amenazas global. Una puntuación de 130/100 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.
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.
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.