Rastreadores de IA suplantados

Los propietarios de sitios web cuentan «GPTBot», «ClaudeBot» o «ChatGPT-User» en sus registros de acceso como prueba de que los sistemas de IA los leen o los citan. El User-Agent es texto libre. Contrastamos cada petición que decía ser uno de 23 rastreadores de IA o de buscadores en tres sitios web pequeños en producción (16.548 peticiones; un registro de 68 días, dos de 7–9 días y, además, una vista de 30 días desde el borde de Cloudflare) con el método de verificación que publica cada operador: ficheros JSON de rangos de IP y DNS inverso con confirmación directa. El 39,3 % de las identidades declaradas eran suplantadas (el 44,3 % de las que pudieron comprobarse), el 49,5 % se verificaron y el 11,2 % eran inverificables o indeterminadas. Los agentes iniciados por el usuario, los nombres que más a menudo se interpretan como señal de «cita por IA», fueron los peores: un 67,8 % de suplantación, y en Claude-User, Perplexity-User, MistralAI-User y DuckAssistBot la proporción auténtica fue del 0–4,2 %. Google-Extended, un token que según Google nunca se envía como User-Agent, apareció 371 veces. Toda la suplantación procedía de 54 direcciones como máximo, el 81 % en redes de nube o de alojamiento (solo el espacio de clientes de un proveedor de nube: el 66 %); el 97 % de las peticiones suplantadas procedía de fuentes que también buscaban credenciales (.env, config.json, service-account.json) y el 92 %, de fuentes que rotaban entre las identidades de varios operadores. En el sitio principal, en el borde de la CDN, el volumen suplantado era 3,1 veces lo que registró el origen; la configuración por defecto del plan gratuito bloqueó el 0,7 % de ese volumen. Publicamos ai-bot-verify, un verificador sin dependencias para cualquier registro de acceso, que solo produce agregados y se niega a escribir direcciones IP.