
ABUSE.MOM — COMPORTE-SE OU SERÁ EXPOSTO
| Assinatura | Descrição | Pontos | Gravidade |
|---|---|---|---|
| UA bot: spider | User-Agent de bot/rastreador conhecido detectado | +40 | |
| 404 ratio >= 60% | Maioria das solicitações retornou 404 — enumeração | +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 116.179.32.39 mostra comportamento UA suspeito. Bloqueie requisições com User-Agent vazio.
IP 116.179.32.39 está enumerando diretórios. Configure fail2ban com jail apache-404 após 10+ erros 404.
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.
116.179.32.39 has been assigned a threat score of 65/100 (High). Neste nível de ameaça, o IP é considerado de alto risco. As regras de firewall devem ser atualizadas para negar tráfego desta fonte.
The following attack categories were identified:
O endereço 116.179.32.39 se origina de Jinrongjie, China, operando na rede de China Unicom CHINA169 Network. Foi identificado por meio de análise automatizada do tráfego de rede nos endpoints monitorados. Ao longo de 30 dias, este IP gerou 7 requisições maliciosas, com média de aproximadamente 0.2 requisições por dia. Operando a partir de uma rede residencial, este IP pode representar um gateway doméstico comprometido ou dispositivo IoT recrutado para uma infraestrutura de ataque maior. Dois padrões de ataque foram identificados (User-Agent Anomaly e Path Enumeration), sugerindo uma campanha semi-automatizada que visa múltiplas vulnerabilidades. China atualmente responde por 241 IPs bloqueados em nosso banco de dados, sendo uma fonte significativa de tráfego malicioso. A pontuação de 65/100 justifica monitoramento ativo e limitação de taxa.
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.
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.
Attacks targeting software supply chains compromise trusted update mechanisms to distribute malware at scale. Dependency confusion, typosquatting in package registries, and compromised build pipelines threaten even organizations with strong direct security postures.