
ABUSE.MOM — COMPORTE-SE OU SERÁ EXPOSTO
| Assinatura | Descrição | Pontos | Gravidade |
|---|---|---|---|
| Danger strong hits: 1 | Caminhos de alto risco: shells, RCE, exploits | +25 | |
| 404 ratio >= 60% | Maioria das solicitações retornou 404 — enumeração | +25 | |
| 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 196.176.72.158 está enumerando diretórios. Configure fail2ban com jail apache-404 após 10+ erros 404.
Este IP foi verificado nas principais listas negras DNS usadas por servidores de e-mail e firewalls.
Verificado: Spamhaus, SpamCop, Barracuda, SORBS, CBL, UCEProtect.
196.176.72.158 has been assigned a threat score of 60/100 (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 196.176.72.158 se origina de Ben Arous, TN, operando na rede de ooredoo TN. Foi identificado por meio de análise automatizada do tráfego de rede nos endpoints monitorados. 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. TN atualmente responde por 75 IPs bloqueados em nosso banco de dados, sendo uma fonte notável de tráfego malicioso. A pontuação de 60/100 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.
RCE vulnerabilities allow attackers to execute arbitrary code on target servers. These critical flaws often arise from deserialization bugs, template injection, or file upload vulnerabilities, and represent the highest severity class of web application weaknesses.
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.