El New York Times demanda a Brave por robar contenido para IA

El New York Times y un grupo de otros grandes medios de comunicación han presentado demandas federales contra Brave Software, la empresa detrás del navegador web enfocado en la privacidad, acusándola de robar contenido con derechos de autor para entrenar modelos de inteligencia artificial y permitir

La prohibición de bots enmascarados amenaza la investigación periodística

Más de 300 representantes de medios de comunicación presionaron en el Capitolio para aprobar el Stealth Bot Prohibition Act, un proyecto de ley federal que busca regular el raspado web automatizado. Sin embargo, expertos en tecnología y periodismo advierten que esta legislación no aborda directament

Análisis técnico revela el patrón de un crawler web desde Contabo

Un análisis detallado de los registros de Apache ha confirmado la existencia de un crawler web centralizado que opera desde la infraestructura de Contabo GmbH, un proveedor de servicios en la nube. A diferencia de los proxies residenciales, este sistema utiliza servidores virtuales dedicados para re

Meta retrasa sus nuevas condiciones tras la oposición de editores

Meta ha decidido posponer la entrada en vigor de sus nuevas condiciones comerciales, inicialmente previstas para el 30 de octubre, hasta el 20 de noviembre. Esta decisión responde a la fuerte oposición de los editores de noticias y anunciantes digitales, quienes temen que las cláusulas permitan a la

Documentación técnica de las APIs de búsqueda y fetch de DeepSeek

DeepSeek ha publicado la documentación técnica para sus APIs de búsqueda y fetch, diseñadas para permitir que agentes de IA y aplicaciones RAG accedan a contenido web en tiempo real. Estas herramientas, que operan como APIs JSON crudas, ofrecen dos funcionalidades principales: la API de búsqueda, im

Meta elimina cláusulas de raspado de noticias de sus términos

Meta ha actualizado sus términos comerciales para eliminar el lenguaje que permitía a la empresa rastrear y utilizar contenido de sitios web, incluidos los de noticias, con el fin de entrenar sus modelos de inteligencia artificial. Esta modificación responde a la fuerte crítica recibida por expertos

Meta permite extraer contenido de noticias para entrenar su IA

Meta implementará el 30 de octubre nuevos términos comerciales que le otorgan el derecho de utilizar rastreadores web para extraer y recopilar contenido de sitios web asociados a las cuentas de negocio de sus plataformas. Esta medida afecta directamente a los editores de noticias, ya que la gran may

Experto en derecho web explica la legalidad del scraping en EE. UU.

Eric Goldman, profesor de derecho de internet con más de tres décadas de experiencia, participó en una sesión de preguntas y respuestas en Reddit para analizar el marco legal del scraping web en Estados Unidos. Goldman, quien comenzó su carrera en la década de 1990, aborda el tema desde una perspect

La formación lenta de Zotero: historia de un software duradero

Zotero, la herramienta de gestión de referencias académicas utilizada por más de 20 millones de usuarios, no surgió de la noche a la mañana. Su desarrollo, que comenzó en 2001, requirió cinco años para crear un prototipo inicial y varios años más para su refinamiento, un proceso que contrasta con la

Fog-Bank: sistema para archivar y auditar cada fotograma de FogCam

Fog-Bank es una herramienta de software diseñada para capturar y preservar cada fotograma individualmente publicado por la web de FogCam, eliminando la política de descartar imágenes tras su publicación. El sistema opera mediante una arquitectura de múltiples capas que garantiza la redundancia y la

Meta Muse se usa para extraer datos de YouTube y Reddit

Meta Muse, el asistente de IA de Meta, se ha convertido en una herramienta clave para desarrolladores que necesitan extraer grandes volúmenes de datos de plataformas como YouTube y Reddit. A diferencia de su función de asistente personal, que el autor considera poco útil para su flujo de trabajo, Mu

Análisis técnico del algoritmo de ranking de Hacker News

El sistema de clasificación de Hacker News (HN) combina una fórmula matemática publicada con penalizaciones ocultas que determinan la visibilidad de las historias. Aunque el código fuente revela la base del algoritmo, el análisis de datos muestra que el 20% de las historias principales sufren penali

La Internet Archive ajusta las protecciones de la Wayback Machine

La Internet Archive ha implementado medidas de protección para mitigar el impacto del tráfico automatizado de alto volumen en su servicio Wayback Machine. Esta iniciativa responde a las numerosas solicitudes de los usuarios que pedían la corrección de las limitaciones de acceso. Para mantener la est

Fuga masiva de Chess.com expone datos de 7,3 millones de usuarios

Un archivo de 15,5 GB que contiene los registros de más de 7,3 millones de usuarios de Chess.com apareció esta semana en foros de filtraciones de datos sin costo ni demanda de rescate. El análisis técnico de Ransomnews confirma la autenticidad y la reciente antigüedad de la información, la cual incl

Google implementa redirecciones goto para dificultar el scraping de resultados

Google Search ha comenzado a reescribir los enlaces de resultados orgánicos hacia la URL google.com/goto?url=... en lugar de exponer la dirección de destino directamente en el código HTML. Esta modificación, detectada de forma consistente a finales de agosto de 2026 en sesiones de navegación privada

Política personal de uso de IA en el trabajo profesional

Un profesional publica su política personal sobre el uso de inteligencia artificial generativa y modelos de lenguaje grandes en su actividad laboral. El documento, presentado como un borrador inicial sujeto a cambios, establece que su autor no utiliza actualmente IA para producir código, diseño ni c

Cómo escribió un script en TypeScript para cazar matrículas raras en Florida

Un ingeniero aficionado a las identidades digitales cortas —con nombres de usuario limpios en redes sociales— se propuso conseguir una matrícula personalizada poco común tras recibir su tercer aviso de renovación del DMV. Para ello documenta una jerarquía de rareza: placas de un solo dígito (10), dí

Detectar bots de scraping mediante el comportamiento de scroll

Un investigador ha propuesto un método para distinguir a las personas de los bots de scraping analizando el patrón de scroll del usuario. La técnica se basa en dos métricas tomadas de la física de sistemas complejos: la burstiness (B), que mide la irregularidad temporal de los eventos, y la memory (

Las fuentes 'anti-IA' son inútiles y contraproducentes

Un argumentario técnico cuestiona la eficacia de las denominadas fuentes anti-IA, diseñadas para ofuscar el texto y dificultar su entrenamiento por parte de modelos de inteligencia artificial. Su autor sostiene que cualquier método de este tipo resulta inherentemente inviable: si un ser humano puede

Un año combatiendo bots en un sitio de 1,5 millones de páginas: qué funcionó

Un año combatiendo bots en un sitio de 1,5 millones de páginas: qué funcionó Nick Gray, creador de PatronView, una base de datos de filántropos estadounidenses construida a partir de formularios fiscales IRS 990 y documentos públicos, ha documentado durante un año una batalla silenciosa contra una

La SEC bloquea el tráfico de bots no declarados en su sitio web

La Comisión de Bolsa y Valores de Estados Unidos (SEC) está limitando las solicitudes que llegan a SEC.gov desde herramientas automatizadas no declaradas. El organismo justifica la medida en la necesidad de garantizar un acceso equitativo a todos los usuarios y proteger el rendimiento del servicio p

ShieldFont: cómo un tipo de letra protege tus textos del entrenamiento de IA

ShieldFont: la tipografía que sabotea el entrenamiento de IA sin que el lector lo note En un contexto de creciente tensión entre creadores de contenido y empresas de inteligencia artificial, ShieldFont propone una solución técnica tan ingeniosa como controversial: alterar las palabras que ve una má

«Buscar en Google» suena anticuado: la nueva generación ya dice «búscalo»

Lo que hace apenas una década era una fórmula casi universal de consulta en internet —escribir «buscar en Google» o directamente «googlear»— comienza a quedar obsoleta entre las generaciones más jóvenes. Hoy, la expresión de moda es mucho más simple y abstracta: «búscalo», donde el verbo se ha despr

La mayoría de los Googlebot que ves son bots falsos

Cuando un webmaster observa en sus registros una avalancha atribuida al rastreador Googlebot, lo habitual es confiar en la cabecera HTTP que dice ser ese bot. Sin embargo, esa cabecera es una identificación voluntaria que cualquiera puede falsificar. Un reciente hilo en Hacker News recoge testimonio

Editores amenazan con dejar Google tras una caída de tráfico superior al 40%

Varios editores estadounidenses están planteándose bloquear por completo el acceso de Google a sus sitios web ante el desplome del tráfico derivado de sus búsquedas. Según datos de Semrush recogidos por The Wall Street Journal, algunas publicaciones perdieron más del 40% del tráfico entre junio de 2

Reddit cierra el acceso sin cuenta en su antigua interfaz para frenar el scraping

Reddit ha empezado a exigir iniciar sesión para usar old.reddit.com, su frontend clásico basado en HTML, según anunció en un mensaje a los moderadores. La compañía justifica la medida porque la experiencia sin login en esa versión es, según afirma, una fuente significativa de scraping abusivo y tráf

El colapso de TheNumbers.com expone la fragilidad de la web ante los bots de IA

TheNumbers.com, una de las bases de datos más fiables de la industria cinematográfica con 78.000 películas y 236.000 personas registradas, cayó el 5 de marzo de 2026 tras un ataque combinado de tráfico automatizado. Fundada en 1997 por el ex desarrollador de IBM Bruce Nash, la web recibía alrededor

¿A quién detiene realmente Anubis?

Anubis es un proxy HTTP con prueba de trabajo (proof-of-work) pensado para frenar a los bots de inteligencia artificial y a los raspadores web antes de servir el contenido. El programador Farid Zakaria lo describe como un «impuesto regresivo» que apenas incomoda a sus adversarios reales y, en cambio

La amenaza creciente del scraping masivo contra la web abierta

LWN.net actualiza el balance sobre la oleada de scraping masivo que golpea sitios web en busca de datos para entrenar modelos de lenguaje. Más de un año después de su primer informe, el problema se ha intensificado: ataques coordinados desde millones de direcciones IP únicas en pocas horas, con user

El robots.txt de los grandes sitios, escrito para una guerra que ya terminó

El archivo robots.txt fue ideado como un libro de reglas para regular el rastreo de la web. Casi cuatro años después del lanzamiento de GPTBot, un análisis del top 10.000 sitios revela que ese libro de reglas se quedó fijo en la guerra de 2023: la del crawler de entrenamiento de OpenAI. Del 38% de s

Anubis: un escudo con prueba de trabajo contra el scraping masivo de IA

Anubis: el escudo con prueba de trabajo que se interpone entre los usuarios y el scraping masivo de IA Cada vez más administradores de sitios web están levantando una barrera digital ante el avance indiscriminado de los rastreadores de inteligencia artificial. Se llama Anubis y, a diferencia de los

Un rastreador que pedía archivos .git/config cae en una web trampa

El desarrollador detrás del generador web infinito bork.php detectó en sus registros de Apache un pico inusual de peticiones dirigidas al archivo /.git/config, asociado al sistema de control de versiones Git. El autor había modificado su programa en noviembre para devolver respuestas falsas y aleato

La amenaza silenciosa de los proxies residenciales

Los proxies residenciales —redes de dispositivos domésticos usados como nodos de salida para enrutar tráfico web— se han convertido en una pieza clave del ecosistema de scraping, del entrenamiento de modelos de IA y, cada vez más, de la ciberdelincuencia. Funcionan porque los sitios web bloquean con

El Smart TV de tu salón, nodo del raspado web para IA

Include Security ha publicado un informe que documenta el SDK de Bright Data, un software integrado en aplicaciones de terceros que convierte teléfonos y, sobre todo, televisores inteligentes en nodos de una red de proxy residenciales utilizada para alimentar el raspado web destinado al entrenamient

Codeberg publica un repositorio cebadero para confundir a los 'scrapers' de IA

Un repositorio alojado en la plataforma de código abierto Codeberg funciona como cebadero (honeypot) dirigido a los rastreadores web empleados por sistemas de inteligencia artificial. Su propósito declarado es disuadir a los operadores de estos bots y contaminar los corpus de entrenamiento con datos

Amazonbot comenzará a respetar robots.txt a partir de junio de 2026

Amazon ha anunciado que su bot de rastreo web Amazonbot comenzará a respetar el archivo robots.txt a partir del lunes 15 de junio de 2026. La compañía envió una comunicación a editores informándoles que las preferencias de rastreo se gestionarán únicamente a través de las directivas estándar de la i

Subrutinas: IA automatiza web sin costos extra

Una nueva técnica llamada 'Subrutinas' está automatizando tareas web al ejecutar scripts directamente dentro de las pestañas del navegador, resolviendo un problema común en la automatización con LLMs. La mayoría de los agentes de IA fallan al intentar realizar tareas repetitivas debido a los costos

Sitios web usan 'Anubis' contra scraping de IA

Sitios web están implementando una nueva herramienta llamada 'Anubis' para combatir el scraping masivo de datos por parte de empresas de inteligencia artificial. La medida, que ya se está viendo en varios sitios, busca proteger los servidores de la sobrecarga que causan estos 'scrapers', lo que pued

Herramienta web facilita el análisis de indultos presidenciales

## Hacker News: Un Explorador de Indultos Presidenciales con Playwright, SQLite y Astro El proyecto descrito es una aplicación web creada para facilitar la investigación y verificación de indultos presidenciales. Inspirado en el trabajo de Liz Oyer (probablemente una investigadora o periodista que

Anubis: Web lucha contra la extracción de datos por IA

Anubis: la creciente batalla de los sitios web contra la extracción masiva de datos por parte de empresas de inteligencia artificial El fenómeno del scraping agresivo llevado a cabo por compañías de inteligencia artificial ha alcanzado niveles sin precedentes, provocando caídas de servicio en numer

Sitio científico usa mensaje de disculpa contra bots

El mensaje "We apologize for the inconvenience..." que aparece en iopscience.iop.org (la plataforma de publicación de la IOP Publishing, una importante editorial científica) es una medida de seguridad implementada para proteger el sitio web de ataques automatizados, específicamente de bots y crawler

CPNs: Herramienta para IA y Apps Distribuidas

Este artículo explora el uso de Redes de Petri Coloreadas (CPNs) como una herramienta prometedora para desarrollar aplicaciones distribuidas concurrentes, especialmente en el contexto de la inteligencia artificial generativa (LLMs) y el desarrollo de software. El objetivo principal es mejorar la ver