
ABUSE.MOM — COMPORTE-SE OU SERÁ EXPOSTO
| Assinatura | Descrição | Pontos | Gravidade |
|---|---|---|---|
| 404 ratio >= 60% | Maioria das solicitações retornou 404 — enumeração | +25 | |
| UA bot: curl | User-Agent de bot/rastreador conhecido detectado | +40 |
Solicitações HTTP reconstruídas dos logs do servidor. Domínios alvo ocultados por segurança.
* Typical request patterns for detected signatures. Actual target domains are redacted.
IP 217.181.92.172 está enumerando diretórios. Configure fail2ban com jail apache-404 após 10+ erros 404.
IP 217.181.92.172 mostra comportamento UA suspeito. Bloqueie requisições com User-Agent vazio.
Este IP foi verificado nas principais listas negras DNS usadas por servidores de e-mail e firewalls.
Verificado: Spamhaus, SpamCop, Barracuda, SORBS, CBL, UCEProtect.
217.181.92.172 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:
217.181.92.172 está registrado em Berlin, Germany, operando na rede de 3xK Tech GmbH. Este IP apareceu pela primeira vez em nossos feeds de ameaças após acionar múltiplas assinaturas de detecção comportamental. Ao longo de 6 dias, este IP gerou 300 requisições maliciosas, com média de aproximadamente 50 requisições por dia. O endereço opera como um nó de saída VPN/proxy. Atacantes roteiam tráfego através de serviços de anonimização. Dois padrões de ataque foram identificados (Path Enumeration e User-Agent Anomaly), sugerindo uma campanha semi-automatizada que visa múltiplas vulnerabilidades. A pontuação de 65/100 justifica monitoramento ativo e limitação de taxa.
This IP is associated with a VPN or proxy service. Attackers frequently route their traffic through anonymizing services to obscure their true location. This makes attribution more challenging but the malicious behavior patterns remain detectable.
Analyzing User-Agent strings reveals automated tools masquerading as legitimate browsers. Inconsistencies between claimed browser capabilities and actual behavior, impossible version combinations, and known scanner signatures help identify malicious clients.
WAFs inspect HTTP traffic to block common attacks but require careful tuning. Overly aggressive rules cause false positives while permissive configurations miss attacks. Modern WAFs combine signature matching with behavioral analysis and machine learning.