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 (M), que evalúa la correlación entre intervalos sucesivos. Aplicadas a los tiempos entre eventos de scroll registrados por JavaScript, estas métricas revelan que las personas se desplazan por una página de forma irregular y casi sin memoria, mientras que los bots tienden a patrones más uniformes.
Para validar la idea, el autor reutilizó el conjunto de datos del estudio "FP-Agent: Fingerprinting AI Browsing Agents" (Wang et al.), que recoge la navegación de humanos y de varios agentes de IA en un sitio web controlado. Calculó B y M para cada visita a una página y entrenó un modelo LightGBM con solo esas dos variables. El clasificador alcanzó una precisión del 73,4 %, confundiendo principalmente a los humanos con el agente ChatGPT Agent, lo que se atribuye a la escasez de datos (unos 150 puntos por agente) y a la limitación de contar únicamente con dos características.
El autor concluye que el scroll constituye una señal relevante para separar bots de personas, especialmente en sitios de contenido largo como blogs o Wikipedia, y propone combinar estas métricas con otras señales, como movimiento del ratón o patrones de escritura, para construir un modelo más robusto. En próximos trabajos abordará precisamente el movimiento del ratón como variable complementaria.