El web scraping es una técnica de inteligencia de fuentes abiertas (OSINT) que automatiza la extracción y el análisis de grandes volúmenes de información de internet.
Permite a las empresas recopilar datos de sitios web o redes sociales para investigaciones de mercado, identificación de tendencias y análisis de la competencia. Sin embargo, su legalidad depende del propósito y del uso que se haga de la información recopilada.
“En teoría, el uso de herramientas, extensiones o bibliotecas de scraping no es ilegal. Sin embargo, esto depende del propósito y del uso que se haga de esta información. Por ejemplo, si una empresa publica los precios de sus productos en su marketplace, es legal obtener esos datos utilizando herramientas extensiones de navegador. Pero cuando el scraping se utiliza para recopilar datos personales y propiedad intelectual, puede convertirse en una práctica maliciosa y violar leyes de privacidad”, explicó David González, investigador de Seguridad Informática de ESET Latinoamérica.
Aunque obtener datos web podría ser legal, según las leyes de protección de datos personales sería ilegal publicar esa información sensible. Desde la firma señalan que el hecho de que los datos estén disponibles públicamente no significa que siempre sea legal o ético utilizarlos mediante scraping.
Usos más populares de los scrapers
- Monitoreo de precios
- Contenido de redes sociales
- Noticias especializadas del sector
Según la plataforma Radar de Cloudflare, el tráfico generado por bots superó al tráfico web humano, con un 57 % del tráfico impulsado por bots frente al 42 % humano hasta junio de 2026.
Además, según el Thales Bad Bot Report 2026, el tráfico malicioso de bots representó aproximadamente el 40 % del tráfico total de bots en 2025.
“Dentro de estos enormes volúmenes de datos y contenido recopilados también se encuentran los ciberdelincuentes que utilizan estas mismas técnicas para obtener contenido valioso y datos sensibles y con frecuencia trabajan para vulnerar la seguridad de las organizaciones. Teniendo esto en cuenta, es necesario adoptar medidas para reducir los riesgos”, señaló González.
El scraping malicioso puede afectar a la organización cuyos datos fueron publicados, tanto en términos de implicaciones legales como de riesgos de seguridad. Según ESET, las principales formas en que el scraping malicioso puede perjudicar a una empresa son:
- Violación de privacidad: un ciberdelincuente puede recopilar datos personales sin consentimiento.
- Fraudes y estafas: la información obtenida puede usarse para crear perfiles falsos y ataques de spearphishing.
- Impacto en el rendimiento: el aumento del tráfico puede ralentizar o dejar fuera de servicio los sitios web.
- Daño en la reputación: la exposición de datos puede generar desconfianza y pérdida de clientes.
La compañía de seguridad comparte seis técnicas y buenas prácticas para minimizar el impacto del scraping malicioso:
- Bloqueo de direcciones IP: monitorear y bloquear tráfico inusual desde una IP.
- Configuración correcta del archivo “robots.txt”: restringir el acceso a recursos.
- Filtrado de solicitudes mediante agentes: limitar acceso según user agent.
- Uso de CAPTCHA: verificar que el usuario sea humano.
- Uso de honeypots: crear servicios falsos para detectar ataques.
- Higiene digital y concientización: publicar solo la información mínima necesaria.
“Cuando las organizaciones no adoptan medidas de seguridad adecuadas ni implementan buenas prácticas para protegerse a sí mismas y a su contenido, incluidos datos, recursos o propiedad intelectual, frente a actores maliciosos, la publicación de ese contenido estratégico y sensible puede dar lugar a fraudes y estafas más sofisticados. Esto, a su vez, genera desconfianza entre los usuarios y puede derivar en importantes pérdidas financieras. En los casos en que las empresas puedan emplear el web scraping de manera legal, siguen existiendo múltiples preocupaciones relacionadas con el cumplimiento normativo que requieren atención específica, además de la necesidad permanente de mantener estrictas medidas editoriales y controles sobre el contenido”, concluyó González.
