
ABUSE.MOM — COMPORTE-SE OU SERÁ EXPOSTO
| Assinatura | Descrição | Pontos | Gravidade |
|---|---|---|---|
| UA suspicious (short/empty) | Anomalia comportamental detectada automaticamente | +15 | |
| Danger strong hits: 32 | Caminhos de alto risco: shells, RCE, exploits | +100 | |
| Danger medium hits: 264 | Risco médio: painéis admin, arquivos de configuração | +60 | |
| Burst: 47 req / 2s | Taxa de solicitações anormalmente alta — varredura | +35 | |
| Burst: 140 req / 10s | Taxa de solicitações anormalmente alta — varredura | +35 | |
| Danger strong hits: 16 | Caminhos de alto risco: shells, RCE, exploits | +100 | |
| Danger medium hits: 176 | Risco médio: painéis admin, arquivos de configuração | +60 | |
| 404 ratio 40-60% | Maioria das solicitações retornou 404 — enumeração | +15 | |
| Probe pattern 302->404 same path | Anomalia comportamental detectada automaticamente | +20 | |
| Burst: 48 req / 2s | Taxa de solicitações anormalmente alta — varredura | +35 | |
| Burst: 141 req / 10s | Taxa de solicitações anormalmente alta — varredura | +35 | |
| Danger strong hits: 24 | Caminhos de alto risco: shells, RCE, exploits | +100 | |
| Danger medium hits: 190 | Risco médio: painéis admin, arquivos de configuração | +60 | |
| Burst: 44 req / 2s | Taxa de solicitações anormalmente alta — varredura | +35 | |
| Burst: 122 req / 10s | Taxa de solicitações anormalmente alta — varredura | +35 | |
| Danger medium hits: 285 | Risco médio: painéis admin, arquivos de configuração | +60 | |
| Burst: 67 req / 2s | Taxa de solicitações anormalmente alta — varredura | +35 | |
| Burst: 200 req / 10s | Taxa de solicitações anormalmente alta — varredura | +35 | |
| Burst: 42 req / 2s | Taxa de solicitações anormalmente alta — varredura | +35 | |
| Burst: 130 req / 10s | Taxa de solicitações anormalmente alta — varredura | +35 | |
| Burst: 60 req / 2s | Taxa de solicitações anormalmente alta — varredura | +35 | |
| Burst: 190 req / 10s | Taxa de solicitações anormalmente alta — varredura | +35 |
Solicitações HTTP reconstruídas dos logs do servidor. Domínios alvo ocultados por segurança.
* Typical request patterns for detected signatures. Actual target domains are redacted.
IP 20.251.56.73 mostra comportamento UA suspeito. Bloqueie requisições com User-Agent vazio.
Implemente limit_req_zone no nginx. Implante CDN com proteção DDoS. Configure SYN cookies para controlar 20.251.56.73.
IP 20.251.56.73 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.
20.251.56.73 has been assigned a threat score of 280/100 (Critical). Esta é uma ameaça de nível crítico. Administradores de sistemas devem tratar este IP como hostil e bloquear todas as conexões de entrada sem exceção.
The following attack categories were identified:
20.251.56.73 está registrado em Lorenskog, Norway, operando na rede de Microsoft Corporation. Este IP apareceu pela primeira vez em nossos feeds de ameaças após acionar múltiplas assinaturas de detecção comportamental. Durante sua janela de observação de 1 dias, registramos 6 requisições hostis deste IP — aproximadamente 6 por dia em média. Classificado como IP de hosting, este endereço provavelmente funciona em um servidor alugado ou instância em nuvem. Com 3 padrões de ataque diferentes detectados, este IP exibe comportamento característico de frameworks de varredura automatizada avançados. Nossos registros mostram 101 IPs maliciosos originados de Norway, posicionando-o como um contribuinte significativa para atividade de ameaças global. Com uma pontuação de 280/100, este IP está entre os mais perigosos do nosso banco de dados. Bloqueio imediato e completo é fortemente recomendado.
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.
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.
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.