¿Qué es un proxy? Cómo funcionan los proxies y por qué las empresas los utilizan
Un proxy es un servidor que se interpone entre tú y tu destino. Descubre cómo funcionan los proxies y por qué las empresas confían en ellos.
En el contexto de internet, direcciones IP, web scraping y automatización online, un proxy, en su forma más pura, es un servidor que se interpone entre tú y tu destino y reenvía tus solicitudes en tu nombre. El destino ve la IP del proxy, no la tuya.
Ese es el concepto completo. Pero para entender por qué querrías eso, tienes que comprender el problema que los proxies resuelven.
Un ejemplo del mundo real
Digamos que eres un distribuidor de automóviles que intenta encontrar autos usados a buenos precios. No tienes el tiempo ni los recursos para revisar miles de anuncios cada día en docenas de sitios web. La solución natural es construir software de scraping, un programa que actúa como un navegador, excepto que en lugar de renderizar los datos en una interfaz de usuario, los alimenta directamente en tu aplicación.
Un scraper bien construido te permite mantener una base de datos consultable de autos y sus precios, rastrear cuándo se publican los anuncios y detectar cuándo se eliminan. Ahora puedes estar por encima de todo el mercado en lugar de actualizar pestañas todo el día.
El problema con las solicitudes automatizadas
Para defenderse contra ataques DDoS, relleno de credenciales y scraping agresivo, los sitios web han implementado mecanismos de detección que limitan severamente el tráfico automatizado. Detectan bots en función de muchos factores, incluida la huella digital del navegador, patrones de solicitud, señales de comportamiento y fingerprinting TLS (JA3/JA4). Pero uno de los factores principales sigue siendo la dirección IP desde la que provienen las solicitudes.
Cuando un sitio web ve una IP realizando un volumen inusual de solicitudes, generalmente la limita de velocidad pidiéndole que resuelva un captcha, o le deniega completamente los servicios mediante un código de estado 429/403. Cualquiera de esos romperá el scraper del distribuidor, a menos que tenga una forma de distribuir sus solicitudes entre muchas IPs diferentes.
Cómo los proxies lo resuelven
Una vez que los límites de velocidad comienzan a activarse, el bypass más fácil es enrutar el siguiente lote de solicitudes a través de una IP diferente, y tu software sigue funcionando. Suponiendo que también estés rotando tus otras señales identificadoras (huella digital del navegador, cookies, perfil TLS, etc.), el sitio web ve la nueva IP como un usuario nuevo sin historial. Los límites de velocidad tienden a ser específicos por IP, por lo que una nueva IP generalmente significa un presupuesto nuevo.
¿De dónde provienen todas esas IPs?
Hay varias fuentes, cubiertas con más detalle en ¿Qué tipos de proxies existen?, pero el modelo más simple es el arrendamiento de IP. Existe un mercado completo para espacio de direcciones IPv4 no utilizado. Las empresas que poseen bloques de IP pero no los utilizan pueden arrendarlos a empresas que los necesitan.
IPXO es una de las plataformas más grandes construidas específicamente para arrendamiento de IPv4; para ventas directas y transferencias, IPv4.Global (Hilco) es la más establecida por volumen. Proveedores de proxies como FlashProxy arriendan pools de IPs en contratos mensuales y luego venden acceso a esas IPs a sus usuarios.
En la práctica, el distribuidor conecta el endpoint proxy de FlashProxy en su scraper. Cada vez que su software alcanza un límite de velocidad en un sitio web de destino, rota a una IP diferente del pool. El destino ve lo que parecen ser miles de usuarios diferentes navegando anuncios, en lugar de una máquina golpeando el sitio. El distribuidor obtiene sus datos, el sitio web no se ve abrumado, y el sistema funciona como se supone que debe funcionar.
Esa es la premisa completa de un proxy.
Publicado por Alon Levi, CEO de FlashProxy
Sobre el autor: Alon Levi es el CEO de FlashProxy y tiene una amplia experiencia en infraestructura de proxies, arquitectura de redes y tecnologías de enrutamiento de IP a gran escala.
Conecta en LinkedIn · Contacto: [email protected]
Preguntas frecuentes
¿Para qué se utiliza un proxy?
Los proxies se utilizan más comúnmente para web scraping, monitoreo de precios, verificación de anuncios, seguimiento de clasificación SEO y eludir restricciones geográficas en datos disponibles públicamente.
¿Es un proxy lo mismo que una VPN?
No. Una VPN cifra todo el tráfico de tu dispositivo y lo enruta a través de un túnel. Un proxy reenvía tus solicitudes a través de una IP diferente; ese tráfico aún puede estar cifrado de extremo a extremo (una solicitud HTTPS permanece cifrada independientemente de si pasa a través de un proxy o no), pero el proxy en sí no crea un túnel cifrado para todo el dispositivo. Sirven propósitos diferentes.
¿Qué es la rotación de IP?
La rotación de IP es la práctica de alternar entre diferentes IPs de proxy en las solicitudes. Evita que una sola IP active límites de velocidad en un sitio web de destino, manteniendo los flujos de trabajo automatizados funcionando sin problemas.
¿Los proxies ocultan tu identidad?
Los proxies enmascaran tu dirección IP real del servidor de destino, pero no proporcionan anonimato completo. Otras señales, como huellas digitales del navegador, cookies y perfiles TLS, aún pueden identificarte sin precauciones adicionales.
Fuentes y referencias
IETF RFC 6585, Códigos de estado HTTP adicionales (429 Too Many Requests): https://datatracker.ietf.org/doc/html/rfc6585
MDN Web Docs, 429 Too Many Requests: https://developer.mozilla.org/en-US/docs/Web/HTTP/Status/429
Cloudflare, TLS fingerprinting JA3/JA4: https://developers.cloudflare.com/bots/additional-configurations/ja3-ja4-fingerprint/
IPXO, Mercado de arrendamiento IPv4: https://www.ipxo.com/
IPv4.Global (Hilco Global): https://www.hilcobrands.com/companies/ipv4/ Afirmación de volumen de transacciones autoinformada por el proveedor.
