ES
Empezar

Glosario

Scraping y automatización

CAPTCHA

Una prueba pensada para distinguir personas de bots, que salta mucho más a menudo por la mala reputación de una red que por una petición concreta.

La sigla significa Completely Automated Public Turing test to tell Computers and Humans Apart, y el nombre describe una versión de la tecnología que prácticamente ha dejado de existir. La idea original era un acertijo que una persona podía resolver y un programa no: texto deformado, una pregunta de matemáticas, después las cuadrículas de semáforos borrosos. Ese modelo murió porque la visión artificial acabó leyendo el texto deformado mejor que las personas.

Lo que lo sustituyó es lo que conviene entender, porque cambia lo que deberías hacer al respecto. Un CAPTCHA moderno es un sistema de puntuación con un acertijo opcional. Mucho antes de que aparezca nada en pantalla, el servicio ha recogido tu dirección IP y su reputación, tu huella del navegador, tu historial de cookies con ese proveedor, cómo se movió tu ratón, lo rápido que escribiste, si tu puntero trazó un arco humano o saltó a una coordenada, cuánto tiempo estuvo la página quieta antes de que actuaras. Con todo eso produce un valor de confianza.

Lo que lleva a lo más útil que puedes saber sobre los CAPTCHA: si ves uno, ya te han juzgado, y mal. Las variantes invisibles dejan pasar a la inmensa mayoría de los visitantes reales sin ninguna interacción. La prueba visible es la ronda de consolación a la que te mandan porque la prueba silenciosa no salió a tu favor.

Hasta la famosa casilla funciona así. La prueba es todo lo que pasó antes y durante el clic en «No soy un robot», incluido tu historial con ese proveedor en otras webs. Por eso la misma casilla deja pasar al instante a un visitante y manda a otro a una cuadrícula de imágenes que parece no acabar nunca.

Visto así, la relación con el proxy es evidente. La reputación de red es uno de los factores con más peso en la puntuación, y se evalúa antes que tu comportamiento. Una dirección de centro de datos con historial de abusos empieza la puntuación en un hoyo tan profundo que ni un comportamiento impecable la saca de ahí, mientras que una dirección residencial limpia empieza lo bastante alto como para que un comportamiento normal nunca active nada.

También explica por qué los servicios de resolución son el instinto equivocado para la mayoría. Tratan el síntoma: te siguen poniendo la prueba cada vez, pagas por cada resolución y añades latencia y coste a cada petición sin mejorar la puntuación de fondo. Tienen sentido como recurso para un objetivo realmente difícil. Como estrategia principal no lo tienen cuando el problema real es que das mala impresión antes de que te pongan la prueba.

Lo fiable, por tanto, es ganarse una puntuación mejor en lugar de fallar más deprisa. Una dirección de confianza, una huella del navegador que coincida con lo que dices ser, una zona horaria y un idioma coherentes con donde tu IP dice que estás, un ritmo que no sea regular como el de una máquina y sesiones que carguen una página como la carga un navegador. Nada de eso es un truco. Es la ausencia de contradicciones.

Cómo lo gestiona HProxy

Casi todas las quejas sobre CAPTCHA que nos llegan son en realidad quejas sobre la reputación de la dirección con otro disfraz. Ese es también el límite honesto de lo que un proxy puede hacer por ti: corrige el factor que controla un proxy. Si tu huella contradice tu IP o tu script hace clic en cero milisegundos, ninguna dirección salvará la puntuación, y preferimos decirlo antes que venderte un plan más caro para un problema que no puede resolver.

Preguntas frecuentes

¿Por qué me salen CAPTCHA en cada petición a través de mi proxy?

Casi siempre porque la propia dirección puntúa mal antes de que se tenga en cuenta nada más. Los rangos de centro de datos, las direcciones compartidas con usuarios abusivos y las IPs ya registradas como proxies o VPN empiezan la evaluación en mala posición. Prueba la misma petición desde una dirección residencial limpia y desde tu propia conexión de casa: si las pruebas desaparecen, la causa era la dirección, y ningún ajuste de comportamiento lo habría arreglado.

¿Funcionan de verdad los servicios de resolución de CAPTCHA?

Funcionan en el sentido estricto de que devuelven un token de respuesta que puedes enviar. No arreglan el motivo por el que te pusieron la prueba, así que te la siguen poniendo, sigues pagando por cada resolución y sigues añadiendo segundos a cada petición. Son un recurso razonable para un objetivo realmente difícil al que no tienes otra vía de acceso, y una mala estrategia principal cuando el problema de fondo es una puntuación de confianza baja que podrías subir.

¿Un proxy residencial acaba con los CAPTCHA?

Elimina uno de sus motivos principales, y para mucha gente eso basta para que las pruebas desaparezcan por completo. No te hace inmune. Si tu navegador muestra la zona horaria de Nueva York con una dirección alemana, o tu automatización recorre una página más rápido de lo que una persona puede leerla, te seguirán bajando la puntuación por señales que no tienen nada que ver con la dirección.

¿Por qué el CAPTCHA invisible deja pasar a usuarios reales y bloquea mi script?

Porque puntúa señales continuas sin hacer ninguna pregunta. Los visitantes reales llegan con historial de navegación, huellas normales, movimiento del ratón y pausas de lectura. Un script suele llegar sin nada de eso: sin cookies previas, con una huella inusual, sin ningún movimiento del puntero y con un ritmo de peticiones demasiado regular. Cada cosa resta un poco, y juntas quedan por debajo del umbral.

¿Es legal saltarse un CAPTCHA?

Depende por completo de la jurisdicción, de las condiciones de servicio de la web y de lo que estés haciendo, así que es una pregunta para un abogado. Lo que sí podemos decir con claridad es el enfoque práctico que usamos nosotros: procura que nadie te confunda con un abuso, respeta lo que una web publica sobre el acceso automatizado y no trates una prueba como una invitación a redoblar.

¿Rotar la IP más a menudo reduce los CAPTCHA?

A veces, y a veces empeora las cosas. Rotar evita que una sola dirección acumule volumen de peticiones, y eso ayuda frente a los disparadores por ritmo. Pero si rotas por debajo de una sesión que un proveedor sigue por huella o por cookie, le muestras un único visitante con un número inverosímil de direcciones, una señal negativa más fuerte que si te hubieras quedado quieto.

Volver al glosario completo.

HProxy.

Las definiciones solo te llevan hasta cierto punto. Ejecutar frente a objetivos reales.

Residenciales desde 0,23 $ por GB, pagas por uso y el saldo nunca caduca.

HProxy