
ABUSE.MOM — COMPORTE-SE OU SERÁ EXPOSTO
| Assinatura | Descrição | Pontos | Gravidade |
|---|---|---|---|
| Danger medium hits: 4 | Risco médio: painéis admin, arquivos de configuração | +40 | |
| Probe pattern 302->404 same path | Anomalia comportamental detectada automaticamente | +20 | |
| Foreign referer seen | Referer de domínio externo não relacionado | +10 |
Solicitações HTTP reconstruídas dos logs do servidor. Domínios alvo ocultados por segurança.
* Typical request patterns for detected signatures. Actual target domains are redacted.
IP 192.161.160.64 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.
Dados de reconhecimento de rede do Shodan. Portas abertas podem indicar serviços em execução, configurações incorretas ou superfícies de ataque.
| Port | Service | Risk | Description |
|---|---|---|---|
| 80 | HTTP | Low | HTTP web server — standard web traffic |
| 123 | Unknown | Low | Service on port 123 |
| 161 | Unknown | Low | Service on port 161 |
| 21242 | Unknown | Low | Service on port 21242 |
| 52951 | Unknown | Low | Service on port 52951 |
| CVE ID | Link |
|---|---|
| CVE-2021-33620 | NVD → |
| CVE-2019-18676 | NVD → |
| CVE-2019-12526 | NVD → |
| CVE-2020-24606 | NVD → |
| CVE-2021-28116 | NVD → |
| CVE-2018-19132 | NVD → |
| CVE-2018-1000027 | NVD → |
| CVE-2015-5400 | NVD → |
| CVE-2025-59362 | NVD → |
| CVE-2020-15810 | NVD → |
| CVE-2019-12520 | NVD → |
| CVE-2020-8450 | NVD → |
| CVE-2020-15811 | NVD → |
| CVE-2024-37894 | NVD → |
| CVE-2023-49285 | NVD → |
| CVE-2021-31806 | NVD → |
| CVE-2019-18677 | NVD → |
| CVE-2025-54574 | NVD → |
| CVE-2019-12521 | NVD → |
| CVE-2019-13345 | NVD → |
| CVE-2018-1000024 | NVD → |
| CVE-2020-15049 | NVD → |
| CVE-2021-31807 | NVD → |
| CVE-2016-3947 | NVD → |
| CVE-2019-12524 | NVD → |
🔴 Este host possui 56 CVEs conhecidos associados aos seus serviços expostos. Este volume sugere software severamente desatualizado. Revise cada CVE no banco de dados NVD.
Fonte: Shodan InternetDB. Escaneado independentemente do abuse.mom.
Este IP foi verificado nas principais listas negras DNS usadas por servidores de e-mail e firewalls.
Verificado: Spamhaus, SpamCop, Barracuda, SORBS, CBL, UCEProtect.
192.161.160.64 has been assigned a threat score of 70/100 (High). O IP é classificado como ameaça de alto nível. Administradores de rede devem implementar regras de bloqueio e monitorar conexões deste endereço.
The following attack categories were identified:
O endereço IP 192.161.160.64 foi rastreado até Los Angeles, United States, operando na rede de HostPapa. Nossos sistemas de detecção de ameaças sinalizaram este endereço com base em padrões de comportamento malicioso observados. O endereço esteve ativo por 1 dias em nosso sistema de monitoramento, produzindo 1 requisições sinalizadas a uma taxa de ~1/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. O IP exibe comportamento de enumeração de diretórios, solicitando sistematicamente caminhos inexistentes. Nossos registros mostram 200 IPs maliciosos originados de United States, posicionando-o como um contribuinte significativa para atividade de ameaças global. A pontuação de 70/100 indica um ator malicioso confirmado.
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.
SQL injection remains one of the most common web attack vectors. Attackers inject malicious SQL code through input fields to extract database contents, modify data, or gain administrative access. Automated scanners test for SQLi vulnerabilities at massive scale.
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.