Relatório de ameaça IP
20.104.21.214
ABUSE.MOM — COMPORTE-SE OU SERÁ EXPOSTO
Geolocalização e classificação
Assinaturas de detecção
| Assinatura | Descrição | Pontos | Gravidade |
|---|---|---|---|
| Burst 21/2s | Taxa de solicitações anormalmente alta — varredura | +35 | |
| Burst 23/2s | Taxa de solicitações anormalmente alta — varredura | +35 | |
| Burst 67/10s | Taxa de solicitações anormalmente alta — varredura | +35 | |
| Burst 80/10s | Taxa de solicitações anormalmente alta — varredura | +35 | |
| Danger medium hits: 365 | Risco médio: painéis admin, arquivos de configuração | +60 | |
| Danger medium hits: 375 | Risco médio: painéis admin, arquivos de configuração | +60 | |
| Danger medium hits: 7 | Risco médio: painéis admin, arquivos de configuração | +60 | |
| Danger strong hits: 12 | Caminhos de alto risco: shells, RCE, exploits | +100 | |
| Danger strong hits: 3 | Caminhos de alto risco: shells, RCE, exploits | +75 | |
| Danger strong hits: 9 | Caminhos de alto risco: shells, RCE, exploits | +100 | |
| UA suspicious | Anomalia comportamental detectada automaticamente | +15 |
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 20.104.21.214 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 20.104.21.214.
🤖 Defesa contra anomalias User-Agent
IP 20.104.21.214 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
20.104.21.214 has been assigned a threat score of 245/100 (Critical). Uma pontuação tão alta marca um ator de ameaça crítico. Este endereço demonstrou comportamento malicioso persistente e agressivo em múltiplos vetores de detecção.
The following attack categories were identified:
📊 Threat Analysis
20.104.21.214 está registrado em Toronto, Canada, operando na rede de Microsoft Corporation. Este IP apareceu pela primeira vez em nossos feeds de ameaças após acionar múltiplas assinaturas de detecção comportamental. Ao longo de 4 dias, este IP gerou 758 requisições maliciosas, com média de aproximadamente 189.5 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. Dois padrões de ataque foram identificados (Request Flooding e User-Agent Anomaly), sugerindo uma campanha semi-automatizada que visa múltiplas vulnerabilidades. Nossos registros mostram 101 IPs maliciosos originados de Canada, posicionando-o como um contribuinte significativa para atividade de ameaças global. Com uma pontuação de 245/100, 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
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.
💡 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.