Ticket scalping

Los bots automatizados compraban los tickets, generaban tráfico desmedido e interrumpían la disponibilidad de la web, perjudicando a los usuarios genuinos y al negocio.

El impacto era importante:

• Los usuarios legítimos no conseguían comprar entradas.
• El sistema de venta de entradas sufría ralentizaciones intermitentes mientras los bots conseguían hacerse con los tickets.
• Su sitio web se caía con frecuencia y el equipo técnico tenía que trabajar fuera de horario continuamente.

El complejo monumental sabía que algo andaba mal al notar que sus horarios de mayor venta de tickets y de caída del sitio web  era entre las 23:00 h y las 2:00 h de la mañana. 

Tras investigar más a fondo, identificaron varias regiones y direcciones IP que intentaban repetidamente comprar gran cantidad de entradas. No se trataba de un ataque de fuerza bruta, sino de intentos sistemáticos y discretos de aprovechar su sistema para obtener una ventaja.

Cuando Transparent Edge fue convocado a entrar en acción, rápidamente desarrolló una estrategia de defensa por capas que mitigó el problema y previno futuros incidentes.

Acciones inmediatas

• Restricción del origen: colocamos la CDN por delante del origen. De esta manera los usuarios se conectan a la plataforma y no directamente  al sitio web. A partir de ese momento solo las peticiones de los nodos accedían al servidor.
• Protección DDoS: activamos el Anti-DDoS para capas 3, 4 y 7 y establecimos un rate-limit con un umbral de peticiones máximas a partir de las cuales el tráfico es bloqueado. 
• Diferenciar tráfico humano de automatizado: activamos WAF y  desafíos JS, para que el tráfico automatizado no sea capaz de acceder al sitio web, restringiendo de manera efectiva la venta de entradas solo a usuarios humanos. 

Despliegue de estrategia de protección

• Scoring de IP: colocamos un umbral para que las IP de baja reputación o provenientes de un ASN con alto scoring sean bloqueadas.
• Detección de anomalías: implementamos herramientas para monitorizar patrones de comportamiento y rastrear posibles intentos de bot scalping.
• Granularidad fina: una vez establecido  el modelo de controles de observabilidad y defensa básicos, el equipo pasó a programar ajustes finos y granulares con reglas parametrizadas a medida y personalizando excepciones y umbrales.