
ABUSE.MOM — COMPORTE-SE OU SERÁ EXPOSTO
| Assinatura | Descrição | Pontos | Gravidade |
|---|---|---|---|
| 404 ratio 40-60% | Maioria das solicitações retornou 404 — enumeração | +15 | |
| Danger medium hits: 10 | Risco médio: painéis admin, arquivos de configuração | +60 | |
| Danger medium hits: 12 | Risco médio: painéis admin, arquivos de configuração | +60 | |
| Danger medium hits: 14 | Risco médio: painéis admin, arquivos de configuração | +60 | |
| Danger medium hits: 16 | Risco médio: painéis admin, arquivos de configuração | +60 | |
| Danger medium hits: 18 | Risco médio: painéis admin, arquivos de configuração | +60 | |
| Danger medium hits: 2 | Risco médio: painéis admin, arquivos de configuração | +20 | |
| Danger medium hits: 20 | Risco médio: painéis admin, arquivos de configuração | +60 | |
| Danger medium hits: 22 | Risco médio: painéis admin, arquivos de configuração | +60 | |
| Danger medium hits: 24 | Risco médio: painéis admin, arquivos de configuração | +60 | |
| Danger medium hits: 26 | Risco médio: painéis admin, arquivos de configuração | +60 | |
| Danger medium hits: 28 | Risco médio: painéis admin, arquivos de configuração | +60 | |
| Danger medium hits: 30 | Risco médio: painéis admin, arquivos de configuração | +60 | |
| Danger medium hits: 32 | Risco médio: painéis admin, arquivos de configuração | +60 | |
| Danger medium hits: 34 | Risco médio: painéis admin, arquivos de configuração | +60 | |
| Danger medium hits: 36 | Risco médio: painéis admin, arquivos de configuração | +60 | |
| Danger medium hits: 4 | Risco médio: painéis admin, arquivos de configuração | +40 | |
| Danger medium hits: 6 | Risco médio: painéis admin, arquivos de configuração | +60 | |
| Danger medium hits: 8 | Risco médio: painéis admin, arquivos de configuração | +60 | |
| Foreign referer | Referer de domínio externo não relacionado | +10 | |
| Probe 302→404 | Anomalia comportamental detectada automaticamente | +20 | |
| UA changed | Múltiplos User-Agents — técnica de rotação de bot | +25 |
Solicitações HTTP reconstruídas dos logs do servidor. Domínios alvo ocultados por segurança.
* Typical request patterns for detected signatures. Actual target domains are redacted.
IP 104.223.33.99 está enumerando diretórios. Configure fail2ban com jail apache-404 após 10+ erros 404.
IP 104.223.33.99 mostra comportamento UA suspeito. Bloqueie requisições com User-Agent vazio.
Outros IPs bloqueados da mesma sub-rede /24 — indica abuso sistemático desta faixa de rede.
Este IP foi verificado nas principais listas negras DNS usadas por servidores de e-mail e firewalls.
Verificado: Spamhaus, SpamCop, Barracuda, SORBS, CBL, UCEProtect.
104.223.33.99 has been assigned a threat score of 130/100 (Critical). Isso representa um nível de risco crítico. Nossos sistemas de detecção identificaram múltiplos indicadores de alta confiança de intenção maliciosa.
The following attack categories were identified:
O endereço 104.223.33.99 se origina de Los Angeles, United States, operando na rede de HostPapa. Foi identificado por meio de análise automatizada do tráfego de rede nos endpoints monitorados. O endereço esteve ativo por 13 dias em nosso sistema de monitoramento, produzindo 928 requisições sinalizadas a uma taxa de ~71.4/dia. Classificado como IP de hosting, este endereço provavelmente funciona em um servidor alugado ou instância em nuvem. Dois padrões de ataque foram identificados (Path Enumeration e User-Agent Anomaly), sugerindo uma campanha semi-automatizada que visa múltiplas vulnerabilidades. Nossos registros mostram 145 IPs maliciosos originados de United States, posicionando-o como um contribuinte significativa para atividade de ameaças global. Uma pontuação de 130/100 coloca este endereço no nível mais alto de severidade.
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.
Modern attacks increasingly target APIs rather than traditional web interfaces. Attackers enumerate endpoints, test for broken authentication, and exploit excessive data exposure. API attacks are harder to detect as they mimic legitimate programmatic access patterns.
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.