Detección y clasificación de bots en repositorios digitales: Una aproximación mediante inteligencia artificial

Abstract

Esta tesina se realizó en el área de los repositorios digitales, y particularmente sobre el repositorio de la UNLP SEDICI, con el objetivo de lograr analizar y tipificar el tráfico web y distinguir entre humanos y agentes automáticos. Por su naturaleza confiable y con contenido de valor y curado, los repositorios digitales afrontan una elevada tasa de acceso de agentes automáticos con todo tipo de finalidades, como escaneo, cosecha, entrenamiento de modelos de IA o simplemente ataques. La tesina describe el problema en cuestión, la construcción de un conjunto de datos utilizable para el entrenamiento de inteligencia artificial capaz de diferenciar patrones de comportamiento humano de bots. Se exploran distintos modelos de IA capaces de diferenciar entre estos dos usuarios. Finalmente se aplica lo realizado sobre el repositorio SEDICI para poder detectar y depurar eventos de uso asociables a estos agentes automáticos.