{"id":326107,"date":"2020-09-29T04:00:00","date_gmt":"2020-09-29T04:00:00","guid":{"rendered":"https:\/\/integralads.com\/insider\/el-desafio-stop-the-bot-de-ias\/"},"modified":"2023-09-27T10:04:49","modified_gmt":"2023-09-27T10:04:49","slug":"el-desafio-stop-the-bot-de-ias","status":"publish","type":"post","link":"https:\/\/integralads.com\/latam\/insider\/el-desafio-stop-the-bot-de-ias\/","title":{"rendered":"El desaf\u00edo \u201cStop the Bot\u201d de IAS"},"content":{"rendered":"

La verdad es que no todos los bots son malos. Algunos bots ayudan a poner a prueba nuestra tecnolog\u00eda para garantizar que nuestra detecci\u00f3n y mitigaci\u00f3n de bots siga siendo la mejor en su clase.<\/p>\n

Entra en escena: Wombles<\/p>\n

\"\"<\/p>\n

El Equipo Data Science de IAS ha estado trabajando desde finales de 2019 para perfeccionar a Wombles, un bot de rastreo que nos permite medir objetivamente la cantidad de tr\u00e1fico no v\u00e1lido que es bloqueado por la tecnolog\u00eda de IAS, y c\u00f3mo se comporta la tecnolog\u00eda de nuestro competidor m\u00e1s cercano. De hecho, Wombles vive completamente fuera del IAS Threat Lab como un mecanismo de prueba adicional para nuestra propia tecnolog\u00eda, sin conexi\u00f3n con nuestro producto de detecci\u00f3n de fraude. Anteriormente, Wombles se utilizaba como un bot de entrenamiento en seguridad de la marca, pero nuestros ingenieros se percataron de que tambi\u00e9n era un excelente recurso para evaluar el tr\u00e1fico de bots. Puede tener la seguridad de que Wombles no es solo una soluci\u00f3n perfecta que dise\u00f1amos para demostrar que tenemos la raz\u00f3n. Como ver\u00e1 en breve, ni siquiera nuestra tecnolog\u00eda pudo atraparlo de inmediato, ya que nuestros modelos no hab\u00edan sido preentrenados para detectar su comportamiento. Sin embargo, la naturaleza de aprendizaje din\u00e1mico de nuestra tecnolog\u00eda se activ\u00f3 r\u00e1pidamente y Wombles no tuvo ninguna oportunidad.<\/p>\n

\u00bfC\u00f3mo funciona Wombles? Funciona como una prueba de presi\u00f3n para las tecnolog\u00edas de verificaci\u00f3n y cortafuegos que subyacen a los productos de IAS y de la competencia. Al colocar a Wombles, un bot relativamente poco sofisticado, en el mismo inventario y medir si es marcado como tr\u00e1fico v\u00e1lido o no v\u00e1lido, podemos determinar la diferencia entre IAS y nuestros competidores. (Nota: toda detecci\u00f3n de tr\u00e1fico de bots debe ser lo suficientemente avanzada como para atrapar a un bot como Wombles que tiene la tarea de realizar acciones est\u00e1ndar, como visitar p\u00e1ginas mec\u00e1nicamente, desplazarse por el contenido y usar un conjunto de direcciones IP residenciales para mostrar el comportamiento humano.) Piense en Wombles como un detective, que nos ayuda a combatir el tr\u00e1fico de bots al desafiar constantemente nuestra tecnolog\u00eda de mitigaci\u00f3n de bots y tratar de burlarla. A continuaci\u00f3n, podemos ver los resultados de la prueba de presi\u00f3n de Wombles con respecto a la tecnolog\u00eda de IAS y esa misma prueba de presi\u00f3n aplicada a uno de nuestros competidores:<\/p>\n

\"\"<\/p>\n

\"\"<\/p>\n

Estos gr\u00e1ficos en paralelo muestran claramente que la tasa acumulada de bloqueos de IAS es mucho m\u00e1s alta, lo que significa m\u00e1s protecci\u00f3n<\/strong> y menos despilfarro del gasto publicitario en bots que no compran<\/strong>. Pero bloquear m\u00e1s<\/em> no siempre significa bloquear mejor<\/em>: las estrategias de detecci\u00f3n de fraude poco sofisticadas y excesivamente cautelosas pueden hacerle perder impresiones seguras y de alto valor.<\/p>\n

Para realizar el estudio comparativo m\u00e1s preciso, tenemos que excluir el tr\u00e1fico humano que algunos de nuestros competidores demasiado entusiastas<\/a> suelen marcar incorrectamente como fraude. La mejor manera de hacer esta distinci\u00f3n es mediante el uso de la mitigaci\u00f3n determinista de bots combinada con<\/em> t\u00e1cticas din\u00e1micas de aprendizaje autom\u00e1tico<\/strong>, una combinaci\u00f3n que caracteriza a IAS. Wombles funciona perfectamente para evaluar este contexto porque es una m\u00e1quina en s\u00ed, por lo que imita el comportamiento de los robots maliciosos y proporciona control del tr\u00e1fico humano que suele inflar los resultados de estos estudios. Los datos anteriores muestran que a medida que los modelos de IAS detectan y aprenden de los esquemas de tr\u00e1fico de bots como Wombles, son capaces de superar ampliamente a los modelos que no utilizan el aprendizaje autom\u00e1tico en sus t\u00e1cticas.<\/p>\n

\u00bfEl resultado?<\/strong> En general, la tecnolog\u00eda de IAS identific\u00f3 a Wombles y comenz\u00f3 a bloquear el rastreador durante las primeras horas de su implementaci\u00f3n. El competidor B, por su parte, nunca<\/strong> bloque\u00f3 a Wombles, sin usar claramente ning\u00fan aprendizaje autom\u00e1tico din\u00e1mico.<\/p>\n

Realizamos nuestro estudio en 5 sectores industriales diferentes y descubrimos que la tecnolog\u00eda de IAS identific\u00f3 90,8% m\u00e1s tr\u00e1fico de bots<\/strong> en promedio:<\/p>\n