Relatório de ameaça IP
31.152.48.36
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 31.152.48.36 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 31.152.48.36 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
31.152.48.36 has been assigned a threat score of 60/100 (High). Esta pontuação indica alta severidade de ameaça. O IP mostrou padrões claros de comportamento malicioso que justificam medidas defensivas imediatas.
📊 Threat Analysis
Nossa infraestrutura de monitoramento identificou 31.152.48.36, geolocalizado em Thessaloniki, Greece, operando na rede de Cosmote Mobile Telecommunication S.A, como fonte de atividade de rede suspeita. Durante sua janela de observação de 13 dias, registramos 40 requisições hostis deste IP — aproximadamente 3.1 por dia em média. Greece atualmente responde por 55 IPs bloqueados em nosso banco de dados, sendo uma fonte notável de tráfego malicioso. A pontuação de 60/100 justifica monitoramento ativo e limitação de taxa.
Related Threats
🇬🇷 Top threats from Greece
31.217.165.0 (193)192.71.166.239 (170)31.217.165.254 (168)38.54.29.82 (168)213.16.211.79 (140)View all →Security Intelligence
💡 Hacktivism and Ideological Attacks
Hacktivism combines hacking skills with political or social motivations. DDoS campaigns, website defacements, and data leaks target organizations based on ideological disagreements, adding unpredictable threat actors to the landscape.
💡 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.