Relatório de ameaça IP
20.214.161.107
ABUSE.MOM — COMPORTE-SE OU SERÁ EXPOSTO
Geolocalização e classificação
Assinaturas de detecção
| Assinatura | Descrição | Pontos | Gravidade |
|---|---|---|---|
| Burst 12/2s | Taxa de solicitações anormalmente alta — varredura | +35 | |
| Burst 34/10s | Taxa de solicitações anormalmente alta — varredura | +35 | |
| Burst 43/10s | Taxa de solicitações anormalmente alta — varredura | +35 | |
| Burst: 12 req / 2s | Taxa de solicitações anormalmente alta — varredura | +35 | |
| Burst: 34 req / 10s | Taxa de solicitações anormalmente alta — varredura | +35 | |
| Burst: 43 req / 10s | Taxa de solicitações anormalmente alta — varredura | +35 | |
| Danger medium hits: 31 | Risco médio: painéis admin, arquivos de configuração | +60 | |
| Danger medium hits: 40 | Risco médio: painéis admin, arquivos de configuração | +60 | |
| Danger strong hits: 11 | Caminhos de alto risco: shells, RCE, exploits | +100 | |
| Danger strong hits: 13 | Caminhos de alto risco: shells, RCE, exploits | +100 | |
| Danger strong hits: 8 | Caminhos de alto risco: shells, RCE, exploits | +100 |
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 20.214.161.107 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 20.214.161.107.
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
20.214.161.107 has been assigned a threat score of 230/100 (Critical). Esta é uma ameaça de nível crítico. Administradores de sistemas devem tratar este IP como hostil e bloquear todas as conexões de entrada sem exceção.
The following attack categories were identified:
📊 Threat Analysis
O endereço 20.214.161.107 se origina de Seoul, South Korea, operando na rede de Microsoft Corporation. Foi identificado por meio de análise automatizada do tráfego de rede nos endpoints monitorados. O endereço esteve ativo por 6 dias em nosso sistema de monitoramento, produzindo 531 requisições sinalizadas a uma taxa de ~88.5/dia. Classificado como IP de hosting, este endereço provavelmente funciona em um servidor alugado ou instância em nuvem. Ataques baseados em taxa deste IP visam sobrecarregar recursos do servidor através de inundação de requisições de alto volume. South Korea atualmente responde por 101 IPs bloqueados em nosso banco de dados, sendo uma fonte significativa de tráfego malicioso. Com uma pontuação de 230/100, 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 South Korea
4.217.180.34 (280)20.214.155.242 (280)20.214.157.214 (280)52.231.66.246 (280)20.194.25.241 (280)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.