Relatório de ameaça IP
103.20.144.72
ABUSE.MOM — COMPORTE-SE OU SERÁ EXPOSTO
Geolocalização e classificação
Assinaturas de detecção
| Assinatura | Descrição | Pontos | Gravidade |
|---|---|---|---|
| 404 ratio 40-60% | Maioria das solicitações retornou 404 — enumeração | +15 | |
| Danger medium hits: 10 | Risco médio: painéis admin, arquivos de configuração | +60 | |
| Danger medium hits: 15 | Risco médio: painéis admin, arquivos de configuração | +60 | |
| Danger medium hits: 4 | Risco médio: painéis admin, arquivos de configuração | +40 | |
| Danger medium hits: 5 | Risco médio: painéis admin, arquivos de configuração | +50 | |
| Danger medium hits: 8 | Risco médio: painéis admin, arquivos de configuração | +60 | |
| Foreign referer | Referer de domínio externo não relacionado | +10 | |
| Probe 302→404 | Anomalia comportamental detectada automaticamente | +20 | |
| UA changed | Múltiplos User-Agents — técnica de rotação de bot | +25 |
Atividade observada
Solicitações HTTP reconstruídas dos logs do servidor. Domínios alvo ocultados por segurança.
* Typical request patterns for detected signatures. Actual target domains are redacted.
Cronologia
Provedor de rede
Recomendações
Ações tomadas e recomendadas
- IP 103.20.144.72 está bloqueado no nível da aplicação (HTTP 403)
- Considere bloquear no nível do firewall (iptables/CSF)
- Reporte o abuso ao provedor de rede através do contato de abuso
- Garanta que arquivos sensíveis (.env, .git) não sejam acessíveis pela web
🔎 Defesa contra varredura de diretórios
IP 103.20.144.72 está enumerando diretórios. Configure fail2ban com jail apache-404 após 10+ erros 404.
🤖 Defesa contra anomalias User-Agent
IP 103.20.144.72 mostra comportamento UA suspeito. Bloqueie requisições com User-Agent vazio.
Status em listas negras (DNSBL)
Este IP foi verificado nas principais listas negras DNS usadas por servidores de e-mail e firewalls.
Verificado: Spamhaus, SpamCop, Barracuda, SORBS, CBL, UCEProtect.
Threat Analysis
103.20.144.72 has been assigned a threat score of 130/100 (Critical). Isso representa um nível de risco crítico. Nossos sistemas de detecção identificaram múltiplos indicadores de alta confiança de intenção maliciosa.
The following attack categories were identified:
📊 Threat Analysis
O endereço 103.20.144.72 se origina de Quận Ba, Vietnam, operando na rede de Metaserv Company Limited. Foi identificado por meio de análise automatizada do tráfego de rede nos endpoints monitorados. O endereço esteve ativo por 24 dias em nosso sistema de monitoramento, produzindo 1,165 requisições sinalizadas a uma taxa de ~48.5/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. Dois padrões de ataque foram identificados (Path Enumeration e User-Agent Anomaly), sugerindo uma campanha semi-automatizada que visa múltiplas vulnerabilidades. Nossos registros mostram 101 IPs maliciosos originados de Vietnam, posicionando-o como um contribuinte significativa para atividade de ameaças global. Com uma pontuação de 130/100, este IP está entre os mais perigosos do nosso banco de dados. Bloqueio imediato e completo é fortemente recomendado.
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.
Related Threats
🇻🇳 Top threats from Vietnam
103.216.118.66 (273)163.223.211.27 (253)103.61.123.221 (235)14.225.32.188 (235)210.2.86.189 (235)View all →🏢 Same network: AS45552
View all →Security Intelligence
💡 XML External Entity (XXE) Attacks
XXE vulnerabilities in XML parsers allow attackers to read local files, perform SSRF, and execute denial of service attacks. Many legacy applications and APIs remain vulnerable to XXE due to insecure default XML parser configurations.
💡 Privacy-Preserving Threat Detection
Advanced techniques enable threat detection while minimizing privacy impact. Encrypted DNS, differential privacy in analytics, and federated learning for threat models allow effective security monitoring without unnecessary surveillance of legitimate user behavior.