Отчёт по IP-адресу
45.134.20.127
ABUSE.MOM — ВЕДИ СЕБЯ ПРИЛИЧНО ИЛИ БУДЕШЬ РАЗОБЛАЧЁН
Геолокация и классификация
Сработавшие сигнатуры
| Сигнатура | Описание | Баллы | Опасность |
|---|---|---|---|
| Burst 18/10s | Аномально высокая частота запросов — сканирование | +35 | |
| Burst 19/10s | Аномально высокая частота запросов — сканирование | +35 | |
| Burst 20/10s | Аномально высокая частота запросов — сканирование | +35 | |
| Burst 6/2s | Аномально высокая частота запросов — сканирование | +35 | |
| Danger medium hits: 122 | Запросы к админ-панелям, файлам конфигурации | +60 | |
| Danger medium hits: 798 | Запросы к админ-панелям, файлам конфигурации | +60 | |
| Danger medium hits: 969 | Запросы к админ-панелям, файлам конфигурации | +60 | |
| Danger strong hits: 342 | Запросы к опасным путям: шеллы, RCE, эксплойты | +100 | |
| Danger strong hits: 372 | Запросы к опасным путям: шеллы, RCE, эксплойты | +100 | |
| Danger strong hits: 375 | Запросы к опасным путям: шеллы, RCE, эксплойты | +100 | |
| Danger strong hits: 38 | Запросы к опасным путям: шеллы, RCE, эксплойты | +100 | |
| UA changed | Несколько User-Agent строк — ротация бота | +25 |
Зафиксированная активность
Реконструированные HTTP-запросы из серверных логов. Целевые домены скрыты в целях безопасности.
* Typical request patterns for detected signatures. Actual target domains are redacted.
Хронология
Сетевой провайдер
Рекомендации
Предпринятые и рекомендуемые меры
- IP 45.134.20.127 заблокирован на уровне приложения (HTTP 403)
- Рекомендуется блокировка на уровне файрвола (iptables/CSF)
- В подсети /24 обнаружены другие вредоносные IP — рассмотрите блокировку 45.134.20.0/24
- Направьте жалобу провайдеру через abuse-контакт
- Убедитесь, что файлы (.env, .git, бэкапы) недоступны из веба
🌊 Защита от флуда/DDoS
Внедрите limit_req_zone в nginx. Разверните CDN с защитой от DDoS. Настройте SYN cookies и отслеживание соединений для дросселирования 45.134.20.127.
🤖 Обнаружение ботов
Борьба с подделкой UA от 45.134.20.127: ведите чёрный список известных вредоносных UA-строк, требуйте консистентный UA в сессиях, внедрите TLS-фингерпринтинг.
Соседи в 45.134.20.0/24
Другие заблокированные IP из той же подсети /24 — признак систематического злоупотребления.
Статус в чёрных списках (DNSBL)
Этот IP проверен по основным DNS-чёрным спискам, используемым почтовыми серверами и файрволами по всему миру.
Проверено: Spamhaus, SpamCop, Barracuda, SORBS, CBL, UCEProtect. Результаты могут меняться.
Анализ угрозы
45.134.20.127 получил оценку угрозы 255/100 (Критический). С такой оценкой IP попадает в критическую зону — в число наиболее опасных адресов в нашей базе мониторинга.
Обнаружены следующие категории атак:
📊 Threat Analysis
Анализ разведки угроз связал 45.134.20.127 с вредоносной активностью из Sydney, Australia, работающий в сети VPN. Адрес находится под наблюдением с момента первого обнаружения. Наши сенсоры зафиксировали 197 вредоносных запросов с этого адреса за 7 дней, что отражает устойчивую интенсивность атак ~28.1 запросов в день. Адрес работает как VPN/прокси выходной узел. Атакующие маршрутизируют трафик через анонимизирующие сервисы для скрытия реального местоположения. Двойные векторы атак — Флуд запросами в сочетании с Аномалия User-Agent — указывают на координированную атаку, а не оппортунистическое сканирование. С 87 отмеченными адресами Australia представляет заметным присутствие в нашей базе угроз. Оценка 255/100 помещает этот адрес в высшую категорию серьёзности. Заблокируйте и проверьте исторические подключения.
Этот IP связан с VPN или прокси-сервисом. Атакующие часто маршрутизируют трафик через анонимайзеры для скрытия реального местоположения.
Связанные угрозы
Аналитика безопасности
💡 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.