La palabra “bot” puede hacernos pensar en chatbots útiles que ayudan a encontrar información, seleccionar productos o reproducir música. Sin embargo, también se refiere a programas automatizados diseñados para imitar la actividad humana con fines egoístas. En este artículo, nos ocuparemos de esta última categoría.
Los bots maliciosos se utilizan para promover estafas de criptomonedas, enfrentarse a adversarios políticos y bombardear a los competidores con críticas negativas. Se dirigen a personas influyentes, realizan acoso cibernético y participan en fraudes de clics, lo que provoca pérdidas anuales de más de 100 mil millones de dólares.
Estos bots a menudo se disfrazan de usuarios reales en plataformas de redes sociales como Facebook, Telegram o X. Manipulan la opinión pública, difunden información errónea y teorías conspirativas e interfieren en la política (como se vio en las elecciones presidenciales estadounidenses de 2016) y los mercados financieros, incluidas las criptomonedas.
Es difícil determinar la proporción exacta de la actividad en las redes sociales que representan los bots. Por ejemplo, estudios de 2017 indicaron que alrededor del 9 % de los usuarios de X eran bots, una cifra que aumentó a más del 15 % en 2022. Sin embargo, la gerencia de X afirma que menos del 5 % de los usuarios activos en su plataforma son bots.
Miles de bots están organizados en "botnets" (derivados de "robot" y "red") o "granjas de bots", como los llaman los medios de comunicación. Estas redes están gestionadas por unos pocos individuos conocidos como "botmasters". Simulan la actividad de los usuarios discutiendo en los comentarios, dando "me gusta" a las publicaciones y aumentando el número de seguidores. El objetivo final depende de los motivos de las personas detrás de cada granja de bots específica.
Promoción de Proyectos o Tokens
Una parte importante de la información en el mundo de las criptomonedas se genera a través de la plataforma de redes sociales X. Los entusiastas de las criptomonedas a menudo confían en las opiniones de personas influyentes y usuarios autorizados y pueden convertirse en víctimas involuntarias de la publicidad exagerada y el miedo a perderse algo (FOMO). En este panorama, las partes interesadas utilizan granjas de bots para crear la ilusión de popularidad, participación y sentimiento positivo hacia los proyectos elegidos, lo que conduce a compras masivas de sus productos, NFT u otros activos.
En las promociones fraudulentas, los propietarios de botnets enfatizan la frecuencia de las menciones del proyecto y el alcance de las publicaciones publicitarias. Emplean técnicas de ingeniería social, entre ellas:
Utilizando numerosos emojis (cohetes, incendios, rayos y dinero);
Mostrar gráficos que representan aumentos significativos en los precios de los tokens (incluso si dichos aumentos son ficticios);
Comparando el proyecto con casos de éxito para explotar la codicia de los inversores.
Los bots no solo se utilizan para promocionar tokens fraudulentos. También crean una apariencia de interés para proyectos legítimos, pero poco conocidos. Esta estrategia es utilizada comúnmente por propietarios de empresas emergentes de criptomonedas y creadores de monedas meme.
La demanda de promoción de proyectos a través de granjas de bots es atendida por empresas especializadas. Estos "maestros del shilling" manejan cientos de cuentas falsas, crean publicaciones y escriben diálogos en chats.
Una de estas empresas ofrece a sus clientes una suscripción mensual. El plan mínimo cuesta 1.399 dólares, que incluye 250 menciones diarias en el chat del proyecto, mientras que el plan premium cuesta 4.449 dólares y ofrece 2.000 menciones en 30 grupos y comunidades populares.
¿FTX utilizó bots?
En julio de 2023, el Network Contagion Research Institute (NCRI) analizó más de 3 millones de tuits asociados a 18 criptomonedas que alguna vez estuvieron incluidas en la bolsa FTX. Los datos abarcaron desde el 1 de enero de 2019 hasta el 27 de enero de 2023.
La investigación indicó que el aumento de la actividad en las redes sociales no se debió únicamente a la popularidad orgánica de las monedas, sino que fue más bien parte de una promoción estratégica de los tokens FTX. Esto incluyó criptomonedas como BOBA, GALA, IMX, RNDR, SAND, SPELL y otras.
El análisis del NCRI tuvo como objetivo cuantificar el alcance de las actividades auténticas e inauténticas en X relacionadas con estas criptomonedas, utilizando la herramienta Botometer para detectar comportamientos similares a los de los bots.
De las 182.105 cuentas únicas analizadas, 172.451 fueron evaluadas por tener características similares a las de los bots. Las que no fueron evaluadas probablemente ya estaban suspendidas. Finalmente, 11.215 usuarios fueron identificados como bots, lo que representa aproximadamente el 6,5% del total. A pesar de su número relativamente pequeño, los tuits que promocionaban representaban aproximadamente el 20% de todas las publicaciones analizadas.
La presencia de menciones no auténticas no se vincula directamente con FTX. Para comprender mejor la relación, el NCRI exploró la correlación entre la inclusión de un token en la bolsa y el aumento de las puntuaciones de las cuentas de tipo bot. Los hallazgos revelaron que la actividad de los bots aumentaba constantemente después del inicio de la negociación de un token en FTX.
Este estudio arroja luz sobre el problema de los bots sociales en el sector de las criptomonedas. Cuanto mayor sea el número de partes interesadas, mayor será la probabilidad de encontrarse con actividades no auténticas. En este caso, los bots podrían haber sido utilizados por el propio FTX, los proyectos de criptomonedas, personas influyentes o representantes de los intercambios DEX.
Comercio de lavado
El lavado de activos es un tipo de manipulación del mercado en el que los volúmenes de negociación se inflan artificialmente para crear la ilusión de una mayor liquidez de la que realmente existe. Esta estrategia se utiliza habitualmente con intercambios fraudulentos, tokens o NFT. Los propietarios transfieren tokens entre miles de sus billeteras controladas para sugerir falsamente la popularidad del activo.
Los bots juegan un papel crucial en los esquemas de comercio de lavado, permitiendo el comercio automático y la venta oportuna de tokens para beneficiar al estafador.
Un modelo típico de comercio de lavado incluye cuatro etapas:
Financiar las billeteras A y B mediante intercambiadores fuera de línea, intercambios descentralizados (DEX) o mezcladores como Tornado Cash, siendo el paso inicial para el estafador convertir el dinero en criptomonedas de forma anónima.
Crear un token y agregar liquidez con la billetera A para establecer el valor del activo.
Distribuir fondos de la billetera B a miles de direcciones de blockchain controladas (bots) y comprar el token creado por la billetera A.
Generar entusiasmo en torno al proyecto a través de operaciones de lavado, lo que lleva a la venta de tokens a inversores desprevenidos.
Los estafadores a menudo ejecutan varios proyectos de este tipo simultáneamente, esperando que uno atraiga inversiones antes de utilizar las ganancias para crear e inflar el valor de otros nuevos.
Este esquema también puede utilizarse para el lavado de dinero, ya que el movimiento de fondos entre varias billeteras y tokens dificulta el rastreo de la fuente original. Si bien los detectives de criptomonedas como ZachXBT pueden rastrear estos movimientos, los propietarios de intercambios fuera de línea (que a menudo son el último paso para retirar dinero "sucio") tienen menos probabilidades de tener éxito.
Caza con lanzamiento aéreo
La caza de airdrops es un método para ganar dinero con criptomonedas participando en proyectos de forma temprana. En 2024, los usuarios recibieron airdrops de zkSync, Starknet y LayerZero por diversas actividades, como intercambios de tokens, finalización de misiones y participación en la comunidad.
Para escalar la caza de airdrops, algunos entusiastas de las criptomonedas recurren a las cuentas múltiples, es decir, crean cientos de billeteras controladas que imitan las acciones de los usuarios reales. Estas cuentas múltiples a menudo funcionan como bots que siguen una secuencia predefinida.
Incluso los cazadores más descarados a veces prescinden de los disfraces. Por ejemplo, el legendario usuario de LayerZero llamado Ruslan optó por la simplicidad, numerando secuencialmente sus cuentas: Ruslan002.eth, Ruslan003.eth, Ruslan004.eth, etc.
Naturalmente, los propietarios de proyectos prefieren no recompensar a los bots, por lo que son proactivos a la hora de detectar y bloquear dichas cuentas. Por ejemplo, este año, el director ejecutivo de LayerZero, Bryan Pellegrino, inició una importante búsqueda de sibilas, en la que de 5,2 millones de usuarios de L0, solo 1,28 millones recibieron un airdrop, lo que permitió identificar al menos 800.000 direcciones potencialmente controladas por bots.
Métodos para detectar bots sociales
Detectar a los usuarios reales de los bots sociales es crucial para mantener la integridad de las plataformas de redes sociales. Por ello, plataformas como Facebook, X e Instagram emplean una variedad de métodos para identificar bots, que van desde verificaciones manuales hasta sofisticadas soluciones impulsadas por IA.
La detección temprana generalmente se basa en patrones de comportamiento fácilmente observables:
Actividad de la cuenta: Los bots tienden a mostrar una mayor frecuencia de mensajes y actividad en comparación con los usuarios genuinos.
Metadatos de la cuenta: Los bots suelen tener una proporción inusualmente alta de seguidores y suelen estar asociados con cuentas creadas recientemente.
Contenido: Los bots generan contenido repetitivo, utilizan palabras clave idénticas o extraen información de un conjunto limitado de fuentes.
Los bots avanzados se han vuelto expertos en sortear estas estrategias de detección inicial. Además, estos métodos a menudo han dado falsos positivos (usuarios genuinos identificados por error como bots, y viceversa). Este desafío ha impulsado el desarrollo de tecnologías de detección de bots más avanzadas, como el aprendizaje profundo y las redes neuronales.
Las redes neuronales convolucionales (CNN) se utilizan para analizar contenido textual y extraer características complejas de secuencias de palabras o caracteres. Las redes neuronales recurrentes (RNN) y las redes de memoria a corto y largo plazo (LSTM) se utilizan para analizar dependencias y patrones en el contenido. Las redes neuronales gráficas (GNN) se aplican para modelar la estructura de la red y las interacciones entre usuarios.
Reflexiones finales
La aplicación de los bots va más allá de los métodos de detección descritos en este artículo. El alcance de sus actividades está limitado únicamente por la creatividad y los objetivos de quienes los controlan. Por ejemplo, los bots también pueden utilizarse para realizar ataques DDOS, bloquear cuentas de influencers o inflar artificialmente el número de seguidores. Esta asociación de los bots con actividades mayoritariamente destructivas pone de relieve el desafío permanente que representan.
Es probable que los bots sigan siendo un elemento permanente en Internet. Además, a medida que la inteligencia artificial evolucione, sus capacidades se volverán más sofisticadas. Podrán responder de forma autónoma a los comentarios, leer las emociones de los demás y comprender el contexto de las publicaciones.
Para protegerse, filtre la información que recibe, utilice el pensamiento crítico y confíe en su propio criterio. Este enfoque le ayudará a garantizar que ninguna granja de bots pueda influir en sus decisiones.
