Relatório de ameaça IP
15.135.91.30
ABUSE.MOM — COMPORTE-SE OU SERÁ EXPOSTO
Geolocalização e classificação
Assinaturas de detecção
| Assinatura | Descrição | Pontos | Gravidade |
|---|---|---|---|
| Burst 11/10s | Taxa de solicitações anormalmente alta — varredura | +35 | |
| Burst 6/2s | Taxa de solicitações anormalmente alta — varredura | +35 | |
| Burst 8/2s | Taxa de solicitações anormalmente alta — varredura | +35 | |
| Foreign referer | Referer de domínio externo não relacionado | +10 | |
| Probe 302→404 | Anomalia comportamental detectada automaticamente | +20 | |
| UA bot: Go-http-client | User-Agent de bot/rastreador conhecido detectado | +40 | |
| 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 15.135.91.30 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
🌊 Mitigação de inundação/DDoS
Implemente limit_req_zone no nginx. Implante CDN com proteção DDoS. Configure SYN cookies para controlar 15.135.91.30.
🔎 Defesa contra varredura de diretórios
IP 15.135.91.30 está enumerando diretórios. Configure fail2ban com jail apache-404 após 10+ erros 404.
🤖 Defesa contra anomalias User-Agent
IP 15.135.91.30 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
15.135.91.30 has been assigned a threat score of 145/100 (Critical). Isso o coloca na categoria de ameaça crítica. O bloqueio imediato é fortemente recomendado em todos os perímetros de rede.
The following attack categories were identified:
📊 Threat Analysis
15.135.91.30 está registrado em Sydney, Australia, operando na rede de Amazon.com, Inc.. Este IP apareceu pela primeira vez em nossos feeds de ameaças após acionar múltiplas assinaturas de detecção comportamental. Nossos sensores capturaram 5 requisições maliciosas deste endereço em um período de 1 dias, refletindo uma cadência de ataque sustentada de ~5 requisições por dia. Este endereço pertence a um provedor de datacenter ou hosting em nuvem. IPs de hosting são frequentemente aproveitados por agentes de ameaças que alugam instâncias VPS baratas especificamente para realizar ataques. Com 3 padrões de ataque diferentes detectados, este IP exibe comportamento característico de frameworks de varredura automatizada avançados. Nossos registros mostram 1,270 IPs maliciosos originados de Australia, posicionando-o como um contribuinte importante para atividade de ameaças global. Com uma pontuação de 145/100, 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.
Related Threats
🇦🇺 Top threats from Australia
137.23.3.14 (310)20.92.77.159 (310)3.26.255.172 (308)3.26.98.5 (308)35.189.4.156 (298)View all →Security Intelligence
💡 DDoS Mitigation Approaches
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.
💡 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.