ES
Empezar

Glosario

Detección y reputación

Sistema antibots

Una defensa por capas, con comprobaciones de red, de huella y de comportamiento combinadas, que usan las webs para separar la automatización de los usuarios reales.

Un sistema antibots es lo que sustituyó a la lista de bloqueo de IPs. Una lista de bloqueo responde a una pregunta con una señal y se supera sin esfuerzo cambiando de dirección. Un sistema moderno hace una docena de preguntas, pondera las respuestas y produce un único veredicto, y por eso las tácticas que superan una lista de bloqueo apenas sirven contra él.

La información llega de todas las capas a la vez, y esa acumulación es el diseño. En la capa de red, quién es el titular de la dirección y cuál es su reputación, el mismo terreno que cubre la detección de proxies. En la capa de transporte, la huella TLS, porque un handshake de Python con un user agent de Chrome es una contradicción que no cuesta nada detectar. En la capa de aplicación, la huella del navegador: canvas, WebGL, fuentes, zona horaria y si algo de eso no encaja con donde la IP dice estar. Después, el comportamiento: ritmo, movimiento del puntero, desplazamiento, si se cargaron los recursos, si el recorrido de navegación es uno que habría podido hacer una persona.

El veredicto rara vez es un bloqueo directo, y eso es lo que más confunde a la gente. Un sistema con margen de maniobra elegirá a menudo la respuesta más barata que te cueste a ti y no a él: mostrar un CAPTCHA, degradar el contenido en silencio, devolver precios antiguos, omitir resultados o ralentizar la respuesta hasta que el scraper agote el tiempo de espera. Una página que carga bien y contiene datos sutilmente erróneos es una defensa mucho más eficaz que un 403, porque puede que tardes semanas en notarlo.

Las defensas además se mueven. Las reglas se reajustan, se añaden señales nuevas, los umbrales cambian con el tráfico, y una técnica que funcionaba el mes pasado puede dejar de funcionar sin aviso. Es el hecho estructural que decide la estrategia: mantienes una posición frente a algo que cambia sin decírtelo, y el acertijo nunca queda resuelto de una vez.

Así que el consejo honesto para un objetivo difícil va más allá de un proxy mejor. Piénsalo como una auditoría: a cada capa de tu petición se le pide que cuente la misma historia, y el sistema busca la que desentona. Diga lo que diga tu cliente que es, tiene que serlo de verdad en el handshake, mostrar una máquina creíble, estar en una dirección coherente con donde dice estar y recorrer la página a una velocidad que el humano que afirma ser podría seguir. El objetivo nunca fue la invisibilidad: es que nada desentone a la vista.

Y hay un punto a partir del cual pelearlo por tu cuenta deja de ser razonable. Si mantener el acceso exige el trabajo continuo de alguien que podría estar construyendo tu producto real, una API de scraping especializada justo en esto suele salir más barata que ese tiempo de ingeniería, y bastante más barata que recoger datos erróneos en silencio durante un mes.

Cómo lo gestiona HProxy

Vendemos una de las capas y lo decimos con claridad: una buena dirección sube tu punto de partida y no puede salvar a un cliente que se contradice más arriba en la pila. Por eso también ofrecemos una API de scraping junto a los proxies en lugar de fingir que una IP resuelve cualquier objetivo.

Preguntas frecuentes

¿Basta un proxy residencial para superar un sistema antibots?

Frente a una protección ligera, a menudo sí, porque la reputación de red es uno de los factores con más peso y una dirección de confianza elimina el motivo más barato para ponerte una prueba. Frente a una protección seria, no. El sistema también lee tu huella TLS, tu huella del navegador y tu comportamiento, y que cualquiera de ellos contradiga la dirección basta por sí solo. La dirección es necesaria y no suficiente.

¿Por qué mi scraper funcionó durante semanas y de repente dejó de hacerlo?

Normalmente porque cambió la defensa, no tú. Los umbrales se reajustan, se añaden señales nuevas y las reglas se actualizan continuamente, así que una configuración que estaba justo por encima de la línea puede caer por debajo sin que cambie nada por tu lado. También conviene comprobar si dejó de funcionar de verdad o si simplemente empezó a devolver contenido degradado, un fallo mucho más fácil de pasar por alto.

¿Cómo sé si me están sirviendo contenido degradado en lugar de bloquearme?

Compara con una petición de la que te fíes. Descarga la misma URL con un navegador normal en una conexión normal y compara los campos que importan: precios, número de resultados, disponibilidad, número de artículos de una lista. La degradación silenciosa parece un éxito a nivel HTTP, así que nada en tus códigos de estado ni en tus logs de errores te lo dirá; solo una comparación lo hará.

¿Es mejor ir más despacio?

Normalmente sí, y es el ajuste más infravalorado que existe. El volumen y la regularidad son señales fuertes, y son las dos cosas que controlas por completo. Añadir una variación real a tu ritmo, en lugar de un retraso fijo que ya es un patrón, te cuesta tiempo y elimina una señal que ninguna compra de proxies puede eliminar.

¿Los sistemas antibots bloquean también a los rastreadores de los buscadores?

En general no, porque la mayoría de las webs quieren que las indexen. Los rastreadores conocidos suelen identificarse y permitirse, y por eso una web puede parecer totalmente abierta en un resultado de búsqueda en caché y ponerte una prueba al momento. El permiso se concede a un rastreador concreto y verificado, no a cualquier cosa con un user agent parecido, y hacerse pasar por uno se comprueba sin esfuerzo con DNS inverso.

Volver al glosario completo.

HProxy.

No te fíes solo de nuestra palabra. Mídelo tú mismo.

Funciona en tu navegador contra la dirección real. Sin registro y sin guardar ninguna lista.

HProxy