
ABUSE.MOM — COMPORTE-SE OU SERÁ EXPOSTO
| Assinatura | Descrição | Pontos | Gravidade |
|---|---|---|---|
| 404 ratio 40-60% | Maioria das solicitações retornou 404 — enumeração | +15 | |
| Burst 13/2s | Taxa de solicitações anormalmente alta — varredura | +35 | |
| Burst 14/2s | Taxa de solicitações anormalmente alta — varredura | +35 | |
| Burst 44/10s | Taxa de solicitações anormalmente alta — varredura | +35 | |
| Burst 47/10s | Taxa de solicitações anormalmente alta — varredura | +35 | |
| Burst 48/10s | Taxa de solicitações anormalmente alta — varredura | +35 | |
| Burst 49/10s | Taxa de solicitações anormalmente alta — varredura | +35 | |
| Danger medium hits: 158 | Risco médio: painéis admin, arquivos de configuração | +60 | |
| Danger medium hits: 160 | Risco médio: painéis admin, arquivos de configuração | +60 | |
| Danger medium hits: 240 | Risco médio: painéis admin, arquivos de configuração | +60 | |
| Danger medium hits: 84 | Risco médio: painéis admin, arquivos de configuração | +60 | |
| Danger strong hits: 12 | Caminhos de alto risco: shells, RCE, exploits | +100 | |
| Danger strong hits: 4 | Caminhos de alto risco: shells, RCE, exploits | +100 | |
| Danger strong hits: 6 | Caminhos de alto risco: shells, RCE, exploits | +100 | |
| Danger strong hits: 9 | Caminhos de alto risco: shells, RCE, exploits | +100 | |
| Probe 302→404 | Anomalia comportamental detectada automaticamente | +20 | |
| UA suspicious | Anomalia comportamental detectada automaticamente | +15 |
Solicitações HTTP reconstruídas dos logs do servidor. Domínios alvo ocultados por segurança.
* Typical request patterns for detected signatures. Actual target domains are redacted.
IP 20.226.85.132 está enumerando diretórios. Configure fail2ban com jail apache-404 após 10+ erros 404.
Implemente limit_req_zone no nginx. Implante CDN com proteção DDoS. Configure SYN cookies para controlar 20.226.85.132.
IP 20.226.85.132 mostra comportamento UA suspeito. Bloqueie requisições com User-Agent vazio.
Este IP foi verificado nas principais listas negras DNS usadas por servidores de e-mail e firewalls.
Verificado: Spamhaus, SpamCop, Barracuda, SORBS, CBL, UCEProtect.
20.226.85.132 has been assigned a threat score of 280/100 (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:
A análise de inteligência de ameaças vinculou 20.226.85.132 a atividade maliciosa originada de São Paulo, Brazil, operando na rede de Microsoft Corporation. O endereço está sob observação desde sua detecção inicial. Durante sua janela de observação de 4 dias, registramos 1,330 requisições hostis deste IP — aproximadamente 332.5 por dia em média. Operando a partir de infraestrutura de datacenter, este IP é típico de endereços usados em operações de ataque organizadas. A combinação de 3 vetores de ataque distintos indica um ator de ameaça sofisticado implantando ferramentas automatizadas que sondam múltiplas superfícies de ataque simultaneamente. Brazil atualmente responde por 12 IPs bloqueados em nosso banco de dados, sendo uma fonte notável de tráfego malicioso. Com uma pontuação de 280/100, 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.
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 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.