Relatório de ameaça IP
186.159.198.145
ABUSE.MOM — COMPORTE-SE OU SERÁ EXPOSTO
Geolocalização e classificação
Assinaturas de detecção
| Assinatura | Descrição | Pontos | Gravidade |
|---|---|---|---|
| Directory Scan | Anomalia comportamental detectada automaticamente | +0 |
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
Recomendações
Ações tomadas e recomendadas
- IP 186.159.198.145 está bloqueado no nível da aplicação (HTTP 403)
- Considere bloquear no nível do firewall (iptables/CSF)
- Garanta que arquivos sensíveis (.env, .git) não sejam acessíveis pela web
⚙️ Segurança geral
Adicione 186.159.198.145 à lista de bloqueio do seu firewall. Revise logs para conexões bem-sucedidas.
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
186.159.198.145 has been assigned a threat score of 60/100 (High). Isso o classifica como uma ameaça de alta severidade. O bloqueio proativo é recomendado para infraestrutura sensível.
📊 Threat Analysis
Nossa infraestrutura de monitoramento identificou 186.159.198.145, geolocalizado em San José, CR, operando na rede de Cable Tica, como fonte de atividade de rede suspeita. Nossos sensores capturaram 137 requisições maliciosas deste endereço em um período de 13 dias, refletindo uma cadência de ataque sustentada de ~10.5 requisições por dia. Nossos registros mostram 16 IPs maliciosos originados de CR, posicionando-o como um contribuinte notável para atividade de ameaças global. A pontuação de 60/100 justifica monitoramento ativo e limitação de taxa.
Related Threats
Security Intelligence
💡 Threat Score Calculation Methods
Threat scoring combines multiple signals — request patterns, known signatures, IP reputation, geographic risk, and behavioral analysis — into a single actionable metric. Weighted scoring models allow tuning sensitivity to balance security with usability.
💡 Machine Learning in Threat Detection
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.