
ABUSE.MOM — COMPÓRTATE O SERÁS EXPUESTO
| Firma | Descripción | Puntos | Gravedad |
|---|---|---|---|
| Danger strong hits: 1 | Rutas de alto riesgo: shells, RCE, exploits | +25 | |
| Danger medium hits: 19 | Riesgo medio: paneles admin, archivos de configuración | +60 | |
| 404 ratio >= 60% | Mayoría de solicitudes devolvieron 404 — enumeración | +25 | |
| Burst: 8 req / 2s | Tasa de solicitudes anormalmente alta — escaneo | +35 | |
| Burst: 20 req / 10s | Tasa de solicitudes anormalmente alta — escaneo | +35 | |
| Burst: 11 req / 2s | Tasa de solicitudes anormalmente alta — escaneo | +35 | |
| Burst: 21 req / 10s | Tasa de solicitudes anormalmente alta — escaneo | +35 | |
| Burst: 19 req / 2s | Tasa de solicitudes anormalmente alta — escaneo | +35 | |
| Burst: 13 req / 2s | Tasa de solicitudes anormalmente alta — escaneo | +35 | |
| Burst: 17 req / 2s | Tasa de solicitudes anormalmente alta — escaneo | +35 | |
| Burst: 9 req / 2s | Tasa de solicitudes anormalmente alta — escaneo | +35 | |
| Burst: 16 req / 2s | Tasa de solicitudes anormalmente alta — escaneo | +35 | |
| Burst: 20 req / 2s | Tasa de solicitudes anormalmente alta — escaneo | +35 | |
| Burst: 18 req / 2s | Tasa de solicitudes anormalmente alta — escaneo | +35 | |
| Burst: 15 req / 2s | Tasa de solicitudes anormalmente alta — escaneo | +35 | |
| Danger medium hits: 2 | Riesgo medio: paneles admin, archivos de configuración | +20 | |
| Burst: 18 req / 10s | Tasa de solicitudes anormalmente alta — escaneo | +35 | |
| Burst: 10 req / 2s | Tasa de solicitudes anormalmente alta — escaneo | +35 | |
| Burst: 14 req / 2s | Tasa de solicitudes anormalmente alta — escaneo | +35 | |
| Burst: 12 req / 2s | Tasa de solicitudes anormalmente alta — escaneo | +35 |
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 98.94.108.79 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 98.94.108.79.
Esta IP fue verificada contra las principales listas negras DNS utilizadas por servidores de correo y firewalls.
Verificado: Spamhaus, SpamCop, Barracuda, SORBS, CBL, UCEProtect.
98.94.108.79 has been assigned a threat score of 180/100 (Critical). Una puntuación tan alta marca un actor de amenaza crítico. Esta dirección ha demostrado un comportamiento malicioso persistente y agresivo en múltiples vectores de detección.
The following attack categories were identified:
El análisis de inteligencia de amenazas vinculó 98.94.108.79 con actividad maliciosa originada en Ashburn, United States, operando en la red de Amazon.com. La dirección ha estado bajo observación desde su detección inicial. Durante su ventana de observación de 1 días, registramos 45 solicitudes hostiles de esta IP — aproximadamente 45 por día en promedio. Operando desde infraestructura de datacenter, esta IP es típica de direcciones usadas en operaciones de ataque organizadas. Se identificaron dos patrones de ataque (Path Enumeration y Request Flooding), sugiriendo una campaña semi-automatizada que apunta a múltiples vulnerabilidades. United States actualmente representa 248 IPs bloqueadas en nuestra base de datos, siendo una fuente significativa de tráfico malicioso. Una puntuación de 180/100 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.
Credential stuffing uses stolen username-password pairs from data breaches to attempt logins across many websites. Since users frequently reuse passwords, these automated attacks achieve success rates of 0.1-2%, which translates to thousands of compromised accounts from millions of attempts.
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.