Cómo una LLM local superó sistemas de antifraude y creó un agente DOM visual-textual
10 de noviembre de 2026 · 2 min de lectura
Un autor ha desarrollado un agente DOM visual-textual que puede eludir estrictos sistemas de protección en línea. Este avance fue logrado mediante el uso de una modelo de lenguaje local de clase 7B/8B (Qwen) que logra navegar por plataformas de anuncios sin incurrir en bloqueos.
El autor relata que inicialmente buscaba una estación de trabajo móvil con características específicas en un popular sitio de anuncios. Sin embargo, las plataformas modernas cuentan con sofisticados sistemas antifraude que bloquean las solicitudes automatizadas. Intentos previos utilizando bibliotecas estándar de Python resultaron en errores de acceso, como “HTTP 403 Forbidden” y “HTTP 429 Too Many Requests”.
Al intentar utilizar motores de búsqueda para encontrar anuncios, el autor se encontró con bloqueos que impedían el acceso a través de los protocolos de scraping convencionales. Esto llevó a la necesidad de repensar la interacción con los sitios web, ya que los métodos tradicionales de scraping eran ineficaces ante las medidas de protección implementadas.
El método ideado por el autor implica el uso de un agente visual-textual que simula el comportamiento humano en la navegación web. Este agente utiliza un navegador existente en el sistema operativo, en lugar de un navegador sin cabeza, lo que permite evadir las detecciones de los sistemas de seguridad. La implementación se realiza a través de un script en Python que controla el navegador Microsoft Edge, asegurando que la navegación parezca legítima.
El proceso de scraping se facilita utilizando marcadores textuales humanos en lugar de depender de selectores CSS, lo que permite al modelo encontrar información relevante de manera más eficaz. La arquitectura del script permite la recolección de datos dispersos en el código de la página, asegurando que se obtenga información precisa sobre productos y precios.
Finalmente, el autor ha creado un contenedor de prompt universal para facilitar la implementación de este método en otras plataformas. Este desarrollo representa un paso significativo en la automatización de la recolección de datos en entornos protegidos, mostrando la capacidad de las LLM para adaptarse y superar barreras técnicas.