ABUSE.MOM
RELATÓRIO DE AMEAÇA

Relatório de ameaça IP
46.216.175.211

ABUSE.MOM — COMPORTE-SE OU SERÁ EXPOSTO

Gerado: 2026-05-27 06:34:38
Primeira vez visto: 2026-04-06 15:42:16
Última vez visto: 2026-04-06 15:42:16
70

⛔ Veredito: BLOQUEIO

Este endereço IP foi classificado como fonte de atividade automatizada maliciosa. Pontuação de ameaça: 70/100. Total de solicitações maliciosas observadas: 1.

FORM_SPAM
01

Geolocalização e classificação

Endereço IP
46.216.175.211
Tipo
Mobile
País
🇧🇾 BY
Cidade
Minsk
ISP
Mobile TeleSystems JLLC
Organização
Mtsby
Sistema autônomo
AS25106 Mobile TeleSystems JLLC
Nº de solicitações
1
02

Assinaturas de detecção

AssinaturaDescriçãoPontosGravidade
Form spam: no_js_checkPalavras-chave de spam/malware no conteúdo+0
Σ = 0
03

Atividade observada

Solicitações HTTP reconstruídas dos logs do servidor. Domínios alvo ocultados por segurança.

[redacted]
GET
/
200
Solicitações exibidas: 1 · HTTP 404: 0 · Padrões perigosos: 0

* Typical request patterns for detected signatures. Actual target domains are redacted.

04

Cronologia

2026-04-06 15:42:16
Primeira solicitação maliciosa detectada
IP entrou em monitoramento a partir dos logs
Durante observação
Múltiplas assinaturas de detecção ativadas
Form spam: no_js_check
2026-04-06 15:42:16
Última solicitação maliciosa observada
Pontuação total atingida: 70/100
Próximo ciclo
IP bloqueado — todas as solicitações subsequentes negadas (HTTP 403)
Adicionado à lista de bloqueio automaticamente
05

Provedor de rede

Mobile TeleSystems JLLC
AS25106 · 🇧🇾 BY
06

Recomendações

Ações tomadas e recomendadas

  • IP 46.216.175.211 está bloqueado no nível da aplicação (HTTP 403)
  • Considere bloquear no nível do firewall (iptables/CSF)
  • Outros IPs maliciosos detectados na mesma sub-rede /24 — considere bloquear 46.216.175.0/24
  • Reporte o abuso ao provedor de rede através do contato de abuso
  • Garanta que arquivos sensíveis (.env, .git) não sejam acessíveis pela web

📧 Proteção contra spam

Habilite CAPTCHA em todos os formulários públicos. Adicione campos honeypot. Limite envios a 3 por minuto por IP.

07

Vizinhos em 46.216.175.0/24

Outros IPs bloqueados da mesma sub-rede /24 — indica abuso sistemático desta faixa de rede.

09

Status em listas negras (DNSBL)

Este IP foi verificado nas principais listas negras DNS usadas por servidores de e-mail e firewalls.

⛔ NA LISTA
b.barracudacentral.org
✓ Limpo
dnsbl.sorbs.net
✓ Limpo
zen.spamhaus.org
✓ Limpo
ix.dnsbl.manitu.net
✓ Limpo
bl.spamcop.net
✓ Limpo
psbl.surriel.com
✓ Limpo
truncate.gbudb.net
✓ Limpo
dnsbl-1.uceprotect.net

Verificado: Spamhaus, SpamCop, Barracuda, SORBS, CBL, UCEProtect.

10

Threat Analysis

46.216.175.211 has been assigned a threat score of 70/100 (High). Esta pontuação indica alta severidade de ameaça. O IP mostrou padrões claros de comportamento malicioso que justificam medidas defensivas imediatas.

📊 Threat Analysis

O endereço IP 46.216.175.211 foi rastreado até Minsk, BY, operando na rede de Mobile TeleSystems JLLC. Nossos sistemas de detecção de ameaças sinalizaram este endereço com base em padrões de comportamento malicioso observados. Ao longo de 1 dias, este IP gerou 1 requisições maliciosas, com média de aproximadamente 1 requisições por dia. Este é um IP de rede móvel. Embora endereços móveis sejam tipicamente compartilhados via CGNAT, a atividade maliciosa persistente sugere abuso automatizado. BY atualmente responde por 29 IPs bloqueados em nosso banco de dados, sendo uma fonte notável de tráfego malicioso. Uma pontuação de 70/100 coloca este IP na categoria de alto risco. Bloqueio no nível de firewall é recomendado.

11

Related Threats

🇧🇾 Top threats from BY

37.214.25.236 (80)95.46.26.126 (70)46.216.112.163 (70)46.216.224.209 (70)46.216.248.92 (70)View all →

🏢 Same network: AS25106

46.216.112.163 (70)46.216.224.209 (70)46.216.248.92 (70)46.216.230.78 (70)46.216.226.46 (70)View all →
12

Security Intelligence

💡 SQL Injection Campaigns

SQL injection remains one of the most common web attack vectors. Attackers inject malicious SQL code through input fields to extract database contents, modify data, or gain administrative access. Automated scanners test for SQLi vulnerabilities at massive scale.

💡 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.

🔍 Check Any IP Address

Share this report: