O tráfego automatizado ultrapassou as defesas em que a maioria dos sites ainda confia. Nos últimos dois anos formou-se um quadro claro, nos principais veículos acadêmicos de segurança, sobre o que de fato separa um visitante humano de um automatizado — e sobre quais defesas de ontem já não se sustentam. Esta nota resume essa pesquisa pública e o que ela significa para quem defende um site. Citamos as fontes primárias para que o leitor confira; quando um resultado vem de um preprint ainda não revisado por pares, dizemos isso.
O handshake TLS, sozinho, é um veredito fraco
O fingerprint de TLS (JA3/JA4) lê o formato do handshake de um cliente para adivinhar que software fez a requisição. Em laboratório limpo parece excelente: When Handshakes Tell the Truth (Jarad e Bicakci, arXiv:2602.09606, 2026, preprint) relata um classificador com separação quase perfeita num conjunto curado. Os próprios autores são francos sobre o porém — não testaram evasão. Ferramentas como curl-impersonate e uTLS copiam o handshake de um navegador real byte a byte, e uma vez copiado o sinal desaba. Na prática: o fingerprint de TLS é um insumo útil de reputação, nunca um veredito isolado.
A detecção hoje vive no ambiente do navegador
O achado mais consistente da pesquisa recente é que os sinais decisivos vêm da autenticidade do ambiente do navegador, coletados na página, e não da camada de rede. On the Internet, Nobody Knows You're an LLM Bot (Fayolle et al., arXiv:2606.30119, 2026, preprint) mediu visitas reais de uma dúzia de ferramentas de automação contra sites-armadilha e comparou a acurácia camada por camada: a camada de IP e a de TLS carregaram apenas parte do sinal, enquanto as checagens de ambiente no navegador — flags de automação, dimensões de tela implausivelmente fixas, inconsistências de permissão e de hardware — carregaram a maior parte. Um resultado secundário chamativo: patches de "stealth" muitas vezes tornaram os clientes automatizados mais detectáveis, não menos, ao introduzir contradições que um navegador genuíno nunca mostra.
Desafios interativos são baratos de derrotar
Se a sua defesa é um CAPTCHA, a economia agora favorece o atacante. Broken Gates (Ousat et al., Florida International University, arXiv:2607.18659, 2026, preprint) relata que serviços comerciais de resolução vencem os desafios interativos comuns por centavos a cada mil. A lição não é que desafios são inúteis, e sim que um portão booleano de "passou no teste" já não é barreira por si só. A direção que a literatura aponta é dificuldade adaptativa — escalar o custo do desafio conforme o risco medido da requisição — em vez de um teste fixo mostrado a todos (ver, p.ex., Adaptive CAPTCHA, MDPI Electronics 15(11):2363, 2026, revisado por pares).
Proof-of-work está em lugar parecido. Não há medição revisada por pares de proof-of-work moderno contra navegadores headless; relatos de fornecedores mostram atacantes extraindo o puzzle e resolvendo fora da página, em GPU. Proof-of-work se justifica pela assimetria de custo em volume, não como barreira liga/desliga.
Proxies residenciais enfraquecem a reputação de IP
Atacantes chegam cada vez mais por redes de proxy residencial, que lavam tráfego automatizado através de milhões de IPs reais de consumidores (Resident Evil, Mi et al., IEEE S&P 2019, revisado por pares). A detecção por latência — por exemplo comparar o round-trip de aplicação com o de rede (CalcuLatency, Ramesh et al., USENIX Security 2024, revisado) — consegue sinalizar uma conexão proxied, mas trabalho mais recente mostra que o sinal degrada contra um adversário capaz (Beyond RTT, NDSS 2026, aceito). Trate latência de IP como probabilidade, nunca como prova.
Crawlers de IA, robots.txt e agentes assinados
O tráfego automatizado de IA virou uma categoria de primeira classe. Medições mostram que crawlers bem-comportados respeitam o robots.txt enquanto os abusivos o ignoram por completo (Somesite I Used To Crawl, IMC 2025, revisado; e arXiv:2505.21733, 2025, preprint). A conclusão é simples: robots.txt expressa intenção, mas não tem dente, então o enforcement precisa acontecer na borda, não num arquivo de texto. Do outro lado, um padrão emergente — Web Bot Auth, sobre HTTP Message Signatures (RFC 9421, IETF Proposed Standard) — permite que agentes legítimos provem criptograficamente quem são. A camada específica de bots ainda é draft, mas a direção é promissora: um futuro em que a automação boa se identifica e todo o resto é tratado como não verificado.
O que isso significa para quem defende
A pesquisa converge em alguns princípios:
- Classifique de forma passiva e barata primeiro; a maior parte do tráfego pode ser julgada antes de qualquer desafio.
- Reserve desafios interativos para o tráfego genuinamente ambíguo, e escale a dificuldade conforme o risco.
- Nunca bloqueie duro com um sinal só — todo sinal isolado, do TLS à latência de IP, é forjável ou ruidoso.
- Pese muitos sinais fracos em conjunto, em vez de confiar em um só.
- Faça o enforcement na borda. Arquivos de intenção e alegações do cliente são ponto de partida, não decisão.
Nenhuma checagem isolada é decisiva hoje. Defesa robusta vem de combinar sinais independentes e difíceis de forjar, e de elevar o custo do atacante, em vez de caçar o teste perfeito. É para onde a pesquisa pública aponta, e é a direção para a qual construímos no Qlyne.
Fontes
- Jarad, Bicakci. When Handshakes Tell the Truth: Detecting Web Bad Bots via TLS Fingerprints. arXiv:2602.09606, 2026 (preprint).
- Fayolle et al. On the Internet, Nobody Knows You're an LLM Bot. arXiv:2606.30119, 2026 (preprint).
- Ousat et al. Broken Gates: Re-evaluating Web Bot Defenses in the Age of LLM Agents. arXiv:2607.18659, 2026 (preprint).
- Adaptive CAPTCHA. MDPI Electronics 15(11):2363, 2026 (revisado por pares).
- Mi et al. Resident Evil: Residential IP Proxy as a Dark Service. IEEE S&P 2019 (revisado por pares).
- Ramesh et al. CalcuLatency. USENIX Security 2024 (revisado por pares).
- Beyond RTT: Adversarially Robust Two-Tiered Residential Proxy Detection. NDSS 2026 (aceito).
- Somesite I Used To Crawl. IMC 2025 (revisado por pares).
- Scrapers selectively respect robots.txt. arXiv:2505.21733, 2025 (preprint).
- HTTP Message Signatures. RFC 9421, IETF (Proposed Standard).