Deep web

Internet profunda
De Wikipedia, la enciclopedia libre
Saltar a: navegación, búsqueda
Este artículo o sección posee referencias, pero necesita más para
complementar su verificabilidad.
Puedes colaborar agregando referencias a fuentes fiables como se indica aquí. El material sin
fuentes fiables podría ser cuestionado y eliminado.
Representación del internet profundo
Se le conoce informalmente como Internet profunda o Internet invisible (en inglés:
Deepweb, Invisible Web, Deep Web, Dark Web o Hidden Web) a una porción
presumiblemente muy grande de la Internet que es difícil de rastrear o ha sido hecha casi
imposible de rastrear y deliberadamente, como lo es el caso del Proyecto Tor, caso en el
cuál ha sido hecha de ésta manera vía usando métodos poco convencionales, cómo con la
proxyficación con muchos proxys, el no utilizar direcciones de Internet, sino códigos y el
utilizar el pseudodominio de nivel superior .onion, la cuál fue creada por la Armada de los
Estados Unidos como una prueba y ahora es aprovechada por delincuentes cibernéticos.1
Se le conoce así a todo el contenido de Internet que no forma parte del Internet superficial,
es decir, de las páginas indexadas por las redes de los motores de búsqueda de la red. Esto
se debe a las limitaciones que tienen las redes para acceder a todos los sitios web por
distintos motivos. La mayor parte de la información encontrada en la Internet Profunda está
enterrada en sitios generados dinámicamente y para los motores de búsqueda tradicionales
es difícil hallarla. Fiscales y Agencias Gubernamentales han calificado a la Internet
Profunda como un refugio para la delincuencia debido al contenido ilícito que se encuentra
en ella.2
Índice
[ocultar]
 1 Origen
 2 Tamaño

 3 Denominación
 4 Rastreando la Internet profunda
 5 Métodos de profundización
o 5.1 Las arañas (Web crawler)
o 5.2 Tor
o 5.3 Bitcoin
 6 Recursos de la internet profunda
 7 Véase También
 8 Referencias
 9 Enlaces externos
Origen[editar]
La principal causa de la existencia de la Internet profunda es la imposibilidad de los
motores de búsqueda (Google, Yahoo, Bing, etc.) de encontrar o indexar gran parte de la
información existente en Internet. Si los buscadores tuvieran la capacidad para acceder a
toda la información entonces la magnitud de la "Internet profunda" se reduciría casi en su
totalidad. No obstante, aunque los motores de búsqueda pudieran indexar la información de
la Internet Profunda esto no significaría que ésta dejará de existir, ya que siempre existirán
las páginas privadas. Los motores de búsqueda no pueden acceder a la información de estas
páginas y sólo determinados usuarios, aquellos con contraseña o códigos especiales, pueden
hacerlo.
Los siguientes son algunos de los motivos por los que los buscadores son incapaces de
indexar la Internet profunda:
 Páginas y sitios web protegidos con contraseñas o códigos establecidos.
 Páginas que el buscador decidió no indexar: esto se da generalmente porque la
demanda para el archivo que se decidió no indexar es poca en comparación con los
archivos de texto HTML; estos archivos generalmente también son más “difíciles”
de indexar y requieren más recursos.3
 Sitios, dentro de su código, tiene archivos que le impiden al buscador indexarlo.
 Documentos en formatos no indexables.
 De acuerdo a la tecnología usada por el sitio, por ejemplo los sitios que usan bases
de datos. Para estos casos los buscadores pueden llegar a la interfaz creada para
acceder a dichas bases de datos, como por ejemplo, catálogos de librerías o agencias
de gobierno.3
 Enciclopedias, diccionarios, revistas en las que para acceder a la información hay
que interrogar a la base de datos, como por ejemplo la base de datos de la RAE.4
 Sitios que tienen una mezcla de media o archivos que no son fáciles de clasificar
como visible o invisible (Web opaca).

 La información es efímera o no suficientemente valiosa para indexar. Es posible
indexar está información pero como cambia con mucha frecuencia y su valor es de
tiempo limitado no hay motivo para indexarla.3 }
 Páginas que contienen mayormente imágenes, audio o video con poco o nada de
texto.
 Los archivos en formatos PostScript, Flash, Shockwave, ejecutables (.exe), archivos
comprimidos (.zip,.tar, etc)
 Información creada en páginas dinámicas después de llenar un formulario, la
información detrás de los formularios es invisible.
 Documentos dinámicos, son creados por un script que selecciona datos de diversas
opciones para generar una página personalizada. Este tipo de documentos, aunque sí
se pueden indexar, no están en los motores de búsqueda porque en ocasiones puede
haber varias páginas iguales, pero con pequeños cambios, y las arañas web quedan
atrapadas en ellos.3
 Es un sitio aislado, es decir, no hay ligas que lo vinculen con otros sitios y
viceversa.5
 Son subdirectorios o bases de datos restringidas.
Tamaño[editar]
La internet profunda es un conjunto de sitios web y bases de datos que buscadores comunes
no pueden encontrar ya que no están indexadas. El contenido que puede ser hallado dentro
de la Internet profunda es muy amplio.6
Se estima que la Internet Profunda es 500 veces mayor7 que la Internet Superficial, siendo
el 95% de esta información públicamente accesible.
El internet se ve dividido en dos ramas, La internet profunda y la superficial. El Internet
superficial se compone de páginas estáticas o fijas, mientras que Web profunda está
compuesta de páginas dinámicas. La páginas estáticas no dependen de una base de datos
para desplegar su contenido sino que residen en un servidor en espera de ser recuperadas, y
son básicamente archivos HTML cuyo contenido nunca cambia. Todos los cambios se
realizan directamente en el código y la nueva versión de la página se carga en el servidor.
Estas páginas son menos flexibles que las páginas dinámicas. Las páginas dinámicas se
crean como resultado de una búsqueda de base de datos. El contenido se coloca en una base
de datos y se proporciona sólo cuando lo solicite el usuario.8
En 2010 se estimó que la información que se encuentra en la Internet profunda es de 7,500
terabytes, lo que equivale a aproximadamente 550 billones de documentos individuales. El
contenido de la internet profunda es de 400 a 550 veces mayor de lo que se puede encontrar
en la Internet superficial. En comparación, se estima que la Internet superficial contiene
solo 19 terabytes de contenido y un billón de documentos individuales.
También en 2010 se estimó que existían más de 200,000 sitios en la internet profunda.9

Estimaciones basadas en la extrapolación de un estudio de la Universidad de California en
Berkeley especula que actualmente la Internet profunda debe tener unos 91 000
Terabytes.10
La ACM por sus siglas en inglés (Association for Computing Machinery) publicó en 2007
que Google y Yahoo indexaban el 32 % de los objetos de la internet profunda, y MSN tenía
la cobertura más pequeña con el 11 %. Sin embargo, la cobertura de lo tres motores era de
37 %, lo que indicaba que estaban indexando casi los mismos objetos.11
Se prevé que alrededor del 95% del internet es internet profunda, también le llaman
invisible u oculta, la información que alberga no siempre está disponible para su uso. Por
ello se han desarrollado herramientas como buscadores especializados para acceder a ella.5
Denominación[editar]
Son páginas de texto, archivos, o en ocasiones información a la cual se puede acceder por
medio de la World Wide Web que los buscadores de uso general no pueden, debido a
limitaciones o deliberadamente, agregar a sus índices de páginas webs.
La Web profunda se refiere a la colección de sitios o bases de datos que un buscador
común, como Google, no puede o quiere indexar. Es un lugar específico del Internet que se
distingue por el anonimato. Nada que se haga en esta zona puede ser asociado con la
identidad de uno, a menos que uno lo deseé.12
Bergman, en un artículo semanal sobre la Web profunda publicado en el Journal of
Electronic Publishing, mencionó que Jill Ellsworth utilizó el término "la Web invisible" en
1994 para referirse a los sitios web que no están registrados por algún motor de búsqueda.13
Bergman citó un artículo de 1996 de Frank García:14
Sería un sitio que, posiblemente esté diseñado razonablemente, pero no se molestaron en registrarlo
en alguno de los motores de búsqueda. ¡Por lo tanto, nadie puede encontrarlos! Estás oculto. Yo
llamo a esto la Web invisible.
Otro uso temprano del término Web Invisible o web profunda fue por Bruce Monte y Mateo
B. Koll de Personal Library Software, en una descripción de la herramienta @ 1 de web
profunda, en un comunicado de prensa de diciembre de 1996.15
La importancia potencial de las bases de datos de búsqueda también se reflejó en el primer
sitio de búsqueda dedicado a ellos, el motor AT1 que se anunció con bombos y platillos a
principios de 1997. Sin embargo, PLS, propietario de AT1, fue adquirida por AOL en 1998,
y poco después el servicio AT1 fue abandonado.13
El primer uso del término específico de web profunda, ahora generalmente aceptada,
ocurrió en el estudio de Bergman de 2001 mencionado anteriormente.

Por otra parte, el término web invisible se dice que es inexacto porque:
 Muchos usuarios asumen que la única forma de acceder a la web es consultando un
buscador.
 Alguna información puede ser encontrada más fácilmente que otra, pero ésto no
quiere decir que esté invisible.
 La web contiene información de diversos tipos que es almacenada y recuperada en
diferentes formas.
 El contenido indexado por los buscadores de la web es almacenado también en
bases de datos y disponible solamente a través de las interrogaciones del usuario,
por tanto no es correcto decir que la información almacenada en bases de datos es
invisible.16
Rastreando la Internet profunda[editar]
Los motores de búsqueda comerciales han comenzado a explorar métodos alternativos para
rastrear la Web profunda. El Protocolo del sitio (primero desarrollado e introducido por
Google en 2005) y OAI son mecanismos que permiten a los motores de búsqueda y otras
partes interesadas descubrir recursos de la Internet Profunda en los servidores web en
particular. Ambos mecanismos permiten que los servidores web anuncien las direcciones
URL que se puede acceder a ellos, lo que permite la detección automática de los recursos
que no están directamente vinculados a la Web de la superficie.El sistema de búsqueda de
la Web profunda de Google pre-calcula las entregas de cada formulario HTML y agrega a
las páginas HTML resultantes en el índice del motor de búsqueda de Google. Los
resultados surgidos arrojaron mil consultas por segundo al contenido de la Web profunda.17
Este sistema se realiza utilizando tres algoritmos claves:
 La selección de valores de entrada, para que las entradas de búsqueda de texto
acepten palabras clave.
 La identificación de los insumos que aceptan sólo valores específicos (por ejemplo,
fecha).
 La selección de un pequeño número de combinaciones de entrada que generan
URLs adecuadas para su inclusión en el índice de búsqueda Web.
Métodos de profundización[editar]
Las arañas (Web crawler)[editar]
Cuando se ingresa a un buscador y se realiza una consulta, el buscador no recorre la
totalidad de Internet en busca de las posibles respuestas, si no que busca en su propia base
de datos, que ha sido generada e indizada previamente. Se utiliza el término "Araña web"
(en inglés Web crawler) o robots (por software, comúnmente llamados "bots") inteligentes
que van haciendo búsquedas por enlaces de hipertexto de página en página, registrando la
información ahí disponible.18

El contenido que existe dentro de la Internet profunda es en muy raras ocasiones mostrado
como resultado en los motores de búsqueda, ya que las “arañas” no rastrean bases de datos
ni los extraen. Las arañas no pueden tener acceso a páginas protegidas con contraseñas,
algunos desarrolladores que no desean que sus páginas sean encontradas insertan etiquetas
especiales en el código para evitar que sea indexada. Las “arañas” son incapaces de mostrar
páginas que no estén creadas en lenguaje HTML, ni tampoco puede leer enlaces que
incluyen un signo de interrogación. Pero ahora sitios web no creados con HTML o con
signos de interrogación están siendo indexados por algunos motores de búsqueda. Sin
embargo, se calcula que aún con estos buscadores más avanzados sólo se logra alcanzar el
16% de la información disponible en la Internet profunda. Existen diferente técnicas de
búsqueda para extraer contenido de la internet profunda como librerías de bases de datos o
simplemente conocer el URL al que quieres acceder y escribirlo manualmente.19
Tor[editar]
Logo de tor
The Onion Router (abreviado como TOR) es un proyecto diseñado e implementado por la
marina de los Estados Unidos lanzado el 20 de septiembre de 2002. Posteriormente fue
patrocinado por la EFF (Electronic Frontier Foundation, una organización en defensa de los
derechos digitales). Actualmente subsiste como TOR Project, una organización sin ánimo
de lucro galardonada en 2011 por la Free Software Foundation por permitir que millones de
personas en el mundo tengan libertad de acceso y expresión en Internet manteniendo su
privacidad y anonimato.5
A diferencia de los navegadores de Internet convencionales, Tor le permite a los usuarios
navegar por la Web de forma anónima. Tor es descargado de 30 millones a 50 millones de
veces al año, hay 800,000 usuarios diarios de Tor y un incremento del de 20 % en el 2013,
Tor puede acceder a 6,500 sitios web ocultos.20
Cuando se ejecuta el software de Tor, para acceder a la Internet profunda, los datos de la
computadora se cifran en capas. El software envía los datos a través de una red de enlaces a
otros equipos (llamados "nodos" o "relays" en inglés) y lo va retransmitiendo quitando una
capa antes de retransmitirlo de nuevo, esta trayectoria cambia con frecuencia. Tor cuenta
con más de 4.000 retransmisiones y todos los datos cifrados pasan a través de -por lo
menos- tres de estos relays. Una vez que la última capa de cifrado es retirado por un nodo
de salida, se conecta a la página web que desea visitar.
El contenido que puede ser encontrado dentro de la internet profunda es muy vasto, se
encuentran por ejemplo, datos que se generan en tiempo real, como pueden ser valores de

Bolsa, información del tiempo, horarios de trenes; bases de datos sobre agencias de
inteligencia, desidentes políticos, y temas ilegales.21
Bitcoin[editar]
Logo de Bitcoin
Mercados ilegales están alojados en servidores que son exclusivos para usuarios de Tor. En
estos sitios,se pueden encontrar drogas, armas, o incluso asesinos a sueldo. Se utiliza la
moneda digital llamada Bitcoin, que tiene sus orígenes en 2009, pero que se ha vuelto todo
un fenómeno desde 2012,5 que se intercambia a través de billeteras digitales entre el
usuario y el vendedor, lo que hace que sea prácticamente imposible de rastrear.22
Existen muchos mitos acerca de la internet profunda, la deep web no es una región
prohibida y mística del Internet, ni que la tecnología relacionada es malévola. Ya que en
ella también se alberga lo ahora conocido como (AIW), por sus siglas en inglés, “the
Academic Invisible Web” La web académica invisible y se refiere a todas las bases de
datos que contienen avances tecnológicos, publicaciones científicas, y material académico
en general.23

Deep web

Más contenido relacionado

La actualidad más candente (13)

Destacado (10)

Similar a Deep web (20)

Último (15)

Deep web