
ABUSE.MOM — ВЕДИ СЕБЯ ПРИЛИЧНО ИЛИ БУДЕШЬ РАЗОБЛАЧЁН
| Сигнатура | Описание | Баллы | Опасность |
|---|---|---|---|
| 404 ratio >= 60% | Большинство запросов вернули 404 — перебор файлов | +25 | |
| Burst 10/10s | Аномально высокая частота запросов — сканирование | +35 | |
| Burst 11/10s | Аномально высокая частота запросов — сканирование | +35 | |
| Burst 14/10s | Аномально высокая частота запросов — сканирование | +35 | |
| Burst 15/10s | Аномально высокая частота запросов — сканирование | +35 | |
| Burst 6/2s | Аномально высокая частота запросов — сканирование | +35 | |
| Burst 7/2s | Аномально высокая частота запросов — сканирование | +35 | |
| Burst 8/2s | Аномально высокая частота запросов — сканирование | +35 | |
| Burst 9/2s | Аномально высокая частота запросов — сканирование | +35 | |
| Danger medium hits: 1 | Запросы к админ-панелям, файлам конфигурации | +10 | |
| Danger medium hits: 6 | Запросы к админ-панелям, файлам конфигурации | +60 | |
| Danger strong hits: 2 | Запросы к опасным путям: шеллы, RCE, эксплойты | +50 | |
| Danger strong hits: 7 | Запросы к опасным путям: шеллы, RCE, эксплойты | +100 | |
| Foreign referer | Referer с постороннего внешнего домена | +10 | |
| POST seen | Поведенческая аномалия обнаружена автоматически | +8 | |
| UA bot: python | Обнаружен User-Agent известного бота/краулера | +40 | |
| UA changed | Несколько User-Agent строк — ротация бота | +25 |
Реконструированные HTTP-запросы из серверных логов. Целевые домены скрыты в целях безопасности.
* Typical request patterns for detected signatures. Actual target domains are redacted.
IP 198.98.53.213 перебирает директории. Настройте fail2ban джейл apache-404 после 10+ ошибок 404. Отключите листинг директорий. Унифицируйте все ответы 404.
IP 198.98.53.213 генерирует чрезмерный трафик. Ограничьте количество соединений с одного IP. Включите географическую блокировку если трафик из этого региона неожидан.
IP 198.98.53.213 демонстрирует подозрительное поведение UA. Блокируйте запросы с пустым User-Agent. Внедрите JavaScript-проверки для обнаружения ботов.
Этот IP проверен по основным DNS-чёрным спискам, используемым почтовыми серверами и файрволами по всему миру.
Проверено: Spamhaus, SpamCop, Barracuda, SORBS, CBL, UCEProtect. Результаты могут меняться.
198.98.53.213 получил оценку угрозы 313/100 (Критический). Это критический уровень риска. Наши системы обнаружения зафиксировали множество высокодостоверных индикаторов вредоносных намерений с этого адреса.
Обнаружены следующие категории атак:
Наша инфраструктура мониторинга идентифицировала 198.98.53.213, геолоцированный в New York, United States, работающий в сети FranTech Solutions, как источник подозрительной сетевой активности. В течение 41-дневного окна наблюдения мы зафиксировали 935 враждебных запросов с этого IP — примерно 22.8 в день в среднем. Работая из инфраструктуры дата-центра, этот IP типичен для адресов, используемых в организованных атакующих операциях. Облачные и VPS-провайдеры часто эксплуатируются как стартовые площадки для автоматического сканирования. Комбинация 3 различных векторов атак указывает на изощрённого, многовекторного агента угрозы, использующего автоматизированные инструменты для одновременного зондирования множества поверхностей атаки. Наши записи показывают 102 вредоносных IP, исходящих из United States, что позиционирует её как значительным источник глобальной угрозы. При 313/100 это крайне высокорисковый адрес. Весь трафик следует считать враждебным.
Этот IP принадлежит хостинг-провайдеру или дата-центру. Вредоносный трафик из хостинг-инфраструктуры часто исходит от взломанных VPS, арендованных серверов для сканирования или злоупотребления бесплатными облачными аккаунтами.
Distributed denial of service attacks overwhelm infrastructure with traffic volume. Effective mitigation combines always-on traffic scrubbing, anycast network distribution, rate limiting, and the ability to quickly scale absorption capacity during attacks.
False positives erode trust in security systems and waste analyst resources. Effective management requires feedback loops, allowlisting mechanisms, contextual analysis, and regular tuning of detection rules based on operational experience.