Honeypot
Una trampa puesta para la automatización, un enlace o campo invisible para las personas, que marca como bot cualquier cosa que interactúe con él.
Un honeypot es un cebo puesto para la automatización. La web coloca en la página algo que una persona no puede percibir y que por tanto nunca tocará, y trata cualquier cosa que lo toque como prueba de un programa. No hay ambigüedad que discutir, y eso lo convierte en una señal tan limpia: un ser humano simplemente no rellena un campo invisible.
Las formas son corrientes una vez que las conoces. Un enlace colocado fuera de la pantalla o con tamaño cero, que existe en el código y no en pantalla. Un campo de formulario oculto con CSS, a veces con un nombre tentador para un script que rellena formularios. Una URL que no aparece en ninguna parte de la navegación visible. Y el clásico, una ruta prohibida en robots.txt, que un rastreador que se porta bien nunca pedirá y que por tanto identifica a cualquiera que la pida.
Este último merece una pausa, porque invierte lo que la gente cree que es robots.txt. Tratado como una lista de sitios interesantes en lugar de una lista de sitios que dejar en paz, se convierte en un mapa de exactamente qué peticiones te marcarán. Leerlo para encontrar lo que esconde una web es una forma fiable de meterse a propósito en la trampa.
La elegancia de la defensa es que convierte la exhaustividad en la delación. Cuanto más mecánicamente completa es tu automatización, más seguro es que active algo que una persona nunca encontraría, así que la misma cualidad que hace bueno a un rastreador recogiendo datos lo hace fácil de identificar. Una vez activado, la consecuencia suele caer sobre la dirección, y por eso una sola ejecución descuidada puede estropear una IP para todo lo que venga después.
Evitarlos es cuestión de comportarse de forma selectiva y no exhaustiva. Sigue lo que es realmente visible y navegable, respeta robots.txt como una instrucción en lugar de leerlo como un índice, no envíes campos que una página renderizada no muestra y desconfía de cualquier elemento que esté en el DOM pero sea invisible en pantalla. Un rastreador que imita lo que un lector haría de forma creíble es más educado y, además, más difícil de pillar.
Preguntas frecuentes
¿Cómo detecto un honeypot antes de caer en él?
Renderiza la página en lugar de limitarte a analizar el código, y luego ignora todo lo que una persona no podría ver ni alcanzar: elementos con display none, visibility hidden, ancho o alto cero, opacidad cero o colocados muy fuera de la pantalla. Si analizas HTML en bruto sin renderizar, trabajas con un documento que contiene trampas que la página visual no tiene, que es justo el hueco que explota la técnica.
¿Me dice robots.txt dónde están los honeypots?
A menudo los enumera, y usarlo así es como pillan a la gente. Una ruta prohibida a la que no apunta ningún enlace visible es una firme candidata a cebo, porque un rastreador que cumple nunca la pedirá y solo aparecerá ahí la automatización que ignora el archivo. Trata el archivo como una instrucción sobre adónde no ir, nunca como un atajo hacia URLs interesantes.
¿Qué pasa después de caer en uno?
Depende de la web, y a menudo no hay un bloqueo inmediato. Algunas marcan la dirección y actúan más tarde, otras empiezan a servir contenido degradado o inventado para que los datos que recoges estén mal en silencio, y otras simplemente suben tu puntuación en el sistema antibots para que cada petición posterior se trate con más sospecha. Que no pase nada evidente no demuestra que no haya pasado nada.
¿Rotar mi IP deshace la marca de un honeypot?
Quita la marca de esa dirección concreta, y eso ayuda si se registró solo contra la IP. No ayuda si la web también obtuvo la huella del cliente, porque la misma huella llegando en una dirección nueva es una señal más fuerte que haberte quedado quieto. Y no hace nada con el comportamiento que activó la trampa, así que la siguiente dirección también la activará.
Volver al glosario completo.

