Editores y marcas de comercio electrónico asediados por scrapers de IA están empezando a contraatacar con una vieja táctica de seguridad actualizada para la era de los modelos de lenguaje (LLM): el LLM honeypotting o señuelo para LLMs. Según recoge Digiday, esta técnica consiste en atraer bots hacia información que parece plausible pero es en realidad inservible—laberintos de contenido sin salida o textos coherentes pero vacíos—con el objetivo de disparar sus costes de computación y contaminar sus modelos. La idea: romper la economía del rastreo masivo.
Aunque la teoría suena prometedora, la realidad es más complicada. Es una práctica temprana y experimental, pero ha captado la atención de un pequeño pero creciente grupo de editores y marcas. Mientras algunas compañías lo están probando con éxito inicial, otras como Frederick Jahn, cofundador de Centennal, consideran que es más bien «un concepto de marketing, un truco, pero no un camino real hacia el objetivo».
Una vieja táctica, nueva aplicación
El honeypotting no es nuevo: se trata de un subconjunto de las técnicas de decepción que la seguridad digital lleva años usando para alterar la economía del ataque en lugar de limitarse a bloquear tráfico. Como explica Simon Wistow, cofundador de Fastly (proveedor de CDN), si puedes hacer que atacar tu sistema sea notablemente más caro que lo que se puede obtener de él, modelos de negocio enteros empiezan a desmoronarse.
Aplicado a los LLM y scrapers web, esto significa tratar a ciertos visitantes como atacantes—ya sean bots claramente maliciosos o simplemente no deseados—y obligarles a hacer trabajo extra: pruebas de cálculo (proof-of-work), ralentizaciones sutiles que hacen que redes de bots de gran escala se enfrenten a facturas reales de cómputo por cada página visitada, mientras que los humanos apenas lo notan.
Otra variante consiste en atraparlos en laberintos infinitos de contenido: generar páginas interminables y aparentemente coherentes, pero gibberish en el fondo, que solo verán los bots, desperdiciando su tiempo y presupuesto de cómputo. También se puede envenenar modelos: alimentar a los LLM con sinsentidos estadísticamente coherentes que, al ser ingeridos, degradan la calidad de las respuestas o fuerzan alucinaciones, minando la confianza en sistemas que nunca pagaron acceso.
¿Agrava el problema de la desinformación?
No en el sentido habitual. Wistow sostiene que los honeypots para LLM no se centran en empujar narrativas políticas o culturales. En lugar de difundir historias falsas, alimentan a los modelos con sinsentidos estadísticamente coherentes. Si eso aparece en respuestas de IA, es una señal de que el modelo ha sido contaminado por rastreo no autorizado, no una campaña de desinformación clásica. Degrada la calidad, pero es un problema distinto.
«Las alucinaciones ocurren incluso con buenos datos, simplemente por cómo funcionan los LLM», señala Wistow. «Esto trata de cambiar la economía para quienes abusan de tu sitio, no de montar una campaña masiva de desinformación.»
¿Quién lo usa y qué pretenden?
Hasta ahora, el LLM honeypotting lo están probando sobre todo editores y marcas de comercio electrónico a pequeña escala, no el mercado masivo. Wistow se negó a nombrar clientes específicos más allá de mencionar que algunas grandes marcas de e-commerce lo están usando con éxito inicial, y que el interés procede tanto de medios tradicionales como de jugadores de comercio en línea.
El objetivo principal es menos castigar teatralmente a las grandes firmas de IA y más cambiar la economía para una larga cola de scrapers que actualmente rastrean con coste marginal casi nulo. En lugar de bloquearlos, la meta es asegurarse de que cada petición cueste dinero real mientras rinde datos menos útiles. La oferta publicitaria de los editores ya cayó hasta un 40% en el segundo trimestre por la búsqueda con IA, según datos de mercado, lo que explica el interés de algunos en tácticas defensivas más agresivas.
¿No esquivarán los scrapers turbios esta trampa?
Algunos ejecutivos del sector argumentan que los scrapers grises decididos simplemente abandonarán una red de bots y levantarán otra, limitando la presión real que los honeypots pueden ejercer. Frederick Jahn, cofundador de Centennal y desarrollador de IA, piensa que el LLM honeypotting es demasiado fácil de detectar y esquivar. En la práctica, las páginas trampa o el gibberish a menudo ni siquiera se muestran a crawlers sigilosos, porque las protecciones fallan al detectarlos como bots desde el inicio.
«Creo que es un buen concepto, pero más a nivel de marketing, como un truco, pero no lleva a nadie al objetivo real», dice Jahn. «La única forma real de luchar para cambiar la posición de los editores es crear fricción a nivel de protección», añade.
Otros, como Wistow, replican que el objetivo no es eliminar el rastreo sino volver el modelo de negocio no económico. «Si pudieran quemar diez millones de financiación en un solo rastreo, esos negocios dejarían de ser viables y todo el mercado se vendría abajo, y a eso es a lo que apuntas», explica.
¿Qué desventajas tienen los editores?
Los laberintos de contenido infinitos no son gratis: cuestan más de crear que simplemente bloquear al bot. «Si tienes un bot particularmente tonto que se cuela, lo metes en un laberinto infinito de contenido y luego, cinco días después, descubres que ha mirado 20 millones de páginas. ¿Cuánto te cuesta eso? ¿Cuál fue el coste incremental de mantener esa cosa falsa funcionando?», plantea Wistow.
Para Chris Dicker, CEO de Candr Media, esto solo sería un último recurso. «Si un [ecosistema] viable y sostenible no ocurre pronto… si no se hace algo así, entonces como última salida, puedo ver a los editores haciéndolo». Sin embargo, añade que, de ocurrir, el impacto en la web abierta sería «horroroso».
¿Deberían más editores hacerlo?
Wistow insiste en que esto no es una solución universal ni un interruptor que todos los editores deban activar. Si tu sitio es sencillo y barato de servir, la economía probablemente no cuadra. Para sitios más grandes, complejos, con páginas costosas e ingresos reales en juego, el cálculo cambia. Ahí, la combinación de elevar costes para scrapers y el beneficio psicológico de «contraatacar» puede justificar el experimento, especialmente si ya están en una plataforma edge (como Fastly, Cloudflare o Akamai) que abarata el cómputo extra.
Pero incluso en esos casos, deja claro: esto es temprano, a medida y experimental, no un requisito básico. Como él mismo señala, los editores que siquiera están pensando en estas defensas «van por delante de la curva», no por detrás. Los editores ya están explorando otras vías, como SPUR, un estándar para rastrear cada uso de su contenido en sistemas de IA, lo que sugiere que el «honeypotting» es solo una herramienta más en un arsenal en construcción.
Fuente: Digiday · Documento oficial: enlace · Esta información ha sido elaborada por la redacción de Imbest con apoyo de herramientas editoriales automatizadas.