Bom bots vs. maus bots

Por que a aprendizagem profunda oferece valor e oportunidades únicas.

A maioria de nós está familiarizada com o conceito de bots – esses pequenos pedaços de software projetado para executar tarefas simples e automatizadas. É comumente conhecido no mundo da tecnologia que mais da metade do tráfego de um site vem de bots.

As muitas faces dos bots

Os bots podem ser categorizados em bons bots ou bots ruins. Bots bons são aqueles que são significados para permitir buscas na web mais precisas, bate-papo você através de uma ordem on-line ou muitas outras tarefas úteis.

Os robôs não tão bons são destinados a abrandar o site, impactando negativamente a satisfação do cliente. Esses bots ruins podem capturar dados – especialmente dados de preços do site de um concorrente – ou simplesmente roubar dados pessoais e financeiros, como informações de cartão de crédito.

No entanto, como rotular um bot como bom ou mau pode ser altamente subjetivo. O que é “bom” para uma empresa pode não ser bom para outra.

Assim como a batalha entre vírus de computador e software anti-vírus, robôs ruins estão se tornando cada vez mais sofisticados como a nossa capacidade de detectar e diferenciar bons bots de maus bots melhora.

Por exemplo, uma das características significativas de maus bots costumava ser quantidade. Detectamos bots procurando por um grande número de solicitações e um padrão de visitas repetidas. Os maus bots de hoje aprenderam a evitar grandes quantidades; Em vez disso, eles se concentram na qualidade.

Outro sinal revelador de bots ruins foi um grande número de pedidos provenientes de um endereço IP. Em resposta, alguns dos bots ruins já não atacam a partir do mesmo endereço IP, e na verdade, a maioria dos robôs ruins hoje ataca de um conjunto de endereços IP.

Além disso, bots ruins cada vez mais imitam o comportamento humano, com a esperança de que eles sejam detectados, mas classificados como “humanos”. Existe agora mesmo um novo termo para esses bots, conhecido como APBs: Advanced Persistent Bots.

Analytics para detecção de bot

A crescente complexidade dos bots ruins é um desafio permanente para as empresas cuja presença digital é essencial para o seu negócio. Este é o lugar onde a análise pode fornecer valor único e oportunidade.

Para entender isso, precisamos primeiro entender a abordagem tradicional de detectar bots com base na contagem de IP.

Por exemplo, como um comprador eu poderia visitar um site por 15 minutos, enviando cerca de 20 solicitações de página. No entanto, se houver 200 solicitações de página em uma janela de 10 minutos a partir do mesmo computador, é provável que um bot desde que um ser humano não pode navegar tão rápido.

Bots também foram detectados com base na localização geográfica dos endereços IP. Cada empresa tende a ter um segmento segmentado de clientes. Por exemplo, uma empresa pode ter 95% de seus clientes com sede nos EUA, por isso, se um desses clientes viaja para a Austrália e navega a partir daí, não é suspeito.

No entanto, se de repente há centenas de pedidos da web de clientes na Austrália, geralmente um local relativamente inativo, então isso pode ser um bot. Mecanismos tradicionais de detecção de bot tendem a se concentrar no volume, iniciando o endereço IP, e alguns métodos estatísticos fundamentais, como soma ou média.

Infelizmente, essas técnicas tradicionais estão perdendo terreno na detecção de bots maus, por que, a cada dia se  tornam mais avançados. Mas a analítica, especialmente a aprendizagem profunda, pode introduzir uma abordagem inteiramente nova para tornar nossa detecção e mitigação de bot mais efetivas.

Por que a aprendizagem profunda

Aprendizagem profunda, de acordo com a Wikipedia, é “um ramo da máquina de aprendizagem baseado em um conjunto de algoritmos que tentam modelar abstrações de alto nível em dados usando várias camadas de processamento, com estruturas complexas ou não, composto de múltiplos não transformações lineares . ”

Em outras palavras, com uma velocidade enorme, o aprendizado profundo pode reconhecer padrões humanos complexos, realizar um estilo adotivo de aprendizagem desses padrões e, em seguida, detectar comportamentos suspeitos.

A aprendizagem profunda pode ser especialmente eficaz no reconhecimento de bots complexos devido aos recentes avanços nas redes neurais. Quanto mais complexo um bot, mais se assemelha a um ser humano. As redes neurais fornecem a capacidade de correlacionar um número significativamente maior de variantes, em camadas múltiplas, criando um estilo completamente novo de aprendizagem comportamental que é mais dinâmico e contínuo – mais parecido com o de um ser humano.

As redes neurais fornecem previsões muito mais em tempo real. À medida que um novo bot complexo emerge, os sistemas de aprendizagem profunda não só serão capazes de aprender rapidamente os novos padrões de comportamento do bot e como ele difere de uma visita humana real, mas também continuará o aprendizado enquanto o bot muda o comportamento de modo que o anterior Insights podem ser alavancados.

Print Friendly, PDF & Email

Deixe um comentário

Esse site utiliza o Akismet para reduzir spam. Aprenda como seus dados de comentários são processados.

Show Buttons
Hide Buttons