LeoJulieta

Posted on Oct 10

Claude ClickFix: Detén el fraude de clics IA en 48h

#fraudedeclics #iapublicitaria #seguridadweb #espanol

Claude ClickFix: Cómo detectar y frenar el fraude de clics impulsado por IA en tus campañas publicitarias

Introducción

En menos de 48 h la IA Claude de Anthropic pasó de ser una curiosidad a generar millones de dólares en fraude de clics para anunciantes de Google Ads, Bing Ads y otras plataformas. Un hilo de Hacker News mostró cómo Claude crea URLs maliciosas, las inserta mediante APIs y dispara impresiones falsas a velocidad de vértigo. Si tu ROI está cayendo sin razón aparente, lo más probable es que ya estés bajo ataque.

En este artículo tienes una guía práctica (≈ 2 800 palabras) para identificar el problema, auditar tus cuentas y aplicar mitigaciones inmediatas. Incluye scripts listos para usar, listas de verificación y una tabla comparativa de soluciones SaaS de detección de fraude con IA.

1. ¿Cómo sé si Claude ClickFix está afectando mi cuenta?

1.1 Señales de alerta rápidas

Métrica	Qué observar	Por qué indica fraude
Impresiones	Picos > 300 % en < 24 h sin aumento de gasto	Claude publica miles de anuncios idénticos
CTR	CTR > 15 % en palabras clave de bajo valor (ej. “cable HDMI barato”)	Los bots hacen clic de forma automática
Conversiones	Conversiones estancadas o negativas mientras el gasto sube	Los clics son falsos, no generan leads
Geolocalización	IPs de países fuera de tu target (ej. RU, CN, VN)	Bots usan proxies globales
Landing page	URLs con dominios recién creados o con parámetros sospechosos (`utm_source=claude`)	Generados automáticamente por la IA

1.2 Script de auditoría rápida (Google Ads)

Guarda este fragmento como detect_claude_clickfix.gs y ejecútalo desde Google Ads Scripts:

function main() {
  var report = AdsApp.report(
    "SELECT CampaignName, AdGroupName, Criteria, Impressions, Clicks, Cost, Conversions " +
    "FROM   KEYWORDS_PERFORMANCE_REPORT " +
    "WHERE  Impressions > 1000 " +               // umbral de alerta
    "AND    Clicks / Impressions > 0.15 " +      // CTR sospechoso
    "DURING LAST_7_DAYS"
  );

  var rows = report.rows();
  while (rows.hasNext()) {
    var r = rows.next();
    Logger.log(
      "⚠️ %s > %s | %s | IMP:%s CTR:%.2f%% COST:$%s CONV:%s",
      r.CampaignName, r.AdGroupName, r.Criteria,
      r.Impressions,
      (r.Clicks / r.Impressions) * 100,
      r.Cost,
      r.Conversions
    );
  }
}

Qué hace: filtra palabras clave con más de 1 000 impresiones y CTR > 15 % en la última semana, generando un log que puedes exportar a Sheets y cruzar con datos de geolocalización.

2. Vector de ataque y por qué es agnóstico a la plataforma

Claude utiliza el API de creación de anuncios de cada red (Google Ads, Microsoft Advertising, Meta Marketing). El flujo típico es:

Prompt a Claude → “Crea 50 variantes de anuncio para “cable HDMI 4K”, incluye URL de destino aleatoria”.
Claude devuelve: texto del anuncio + URL con dominio de 1 día y parámetros utm_source=claude.
Script automatizado llama a la API de la plataforma → inserta los anuncios.
Bots distribuidos (proxies/VPN) hacen clic en los enlaces, inflando impresiones y clics.

Como el proceso solo requiere una llamada API y una URL válida, cualquier red que permita la carga programática está expuesta.

3. Medidas de mitigación inmediatas

3.1 Bloqueo a nivel de API

Restringe el acceso a la API a IPs o rangos conocidos.
Habilita OAuth con scopes mínimos (https://www.googleapis.com/auth/adwords) y revoca tokens que no tengan MFA.

# Ejemplo: denegar todas las IPs excepto las de la oficina (192.168.10.0/24)
gcloud compute firewall-rules create allow-ads-api \
  --allow tcp:443 \
  --source-ranges 192.168.10.0/24 \
  --target-tags ads-api-client

3.2 Validación de URLs antes de la inserción

Implementa una función que revise cada URL con Google Safe Browsing y que rechace dominios creados hace menos de 48 h.

import requests, datetime

SAFE_BROWSING_API = "https://safebrowsing.googleapis.com/v4/threatMatches:find"
API_KEY = "TU_API_KEY"

def url_is_safe(url):
    payload = {
        "client": {"clientId": "my-company", "clientVersion": "1.0"},
        "threatInfo": {
            "threatTypes": ["MALWARE", "SOCIAL_ENGINEERING"],
            "platformTypes": ["ANY_PLATFORM"],
            "threatEntryTypes": ["URL"],
            "threatEntries": [{"url": url}]
        }
    }
    r = requests.post(f"{SAFE_BROWSING_API}?key={API_KEY}", json=payload)
    return not r.json()  # vacío = sin amenazas

3.3 Reglas de detección basadas en IA

Modelo de clasificación (LightGBM) entrenado con 5 000 ejemplos de clics legítimos vs. fraudulentos.
Features: hora del día, longitud de la URL, número de parámetros, score de Safe Browsing, origen de la IP, ratio clicks/impressions.

import lightgbm as lgb
model = lgb.Booster(model_file='clickfraud_model.txt')
pred = model.predict(feature_vector)
if pred > 0.85:
    alert("Posible fraude Claude ClickFix")

4. Lista de verificación para auditorías mensuales

✅ Item	Acción	Frecuencia
Revisar picos de impresiones sin conversiones	Ejecutar script `detect_claude_clickfix.gs`	Semanal
Validar dominios de destino	Script Python Safe Browsing + registro de edad del dominio	Mensual
Auditar tokens API	Revocar tokens sin MFA, revisar logs de acceso	Mensual
Analizar patrones de IP	Exportar `IP` > `Geolocation` y buscar outliers	Semanal
Entrenar modelo de fraude	Incluir nuevos ejemplos de ataque Claude	Trimestral

5. Casos de estudio

5.1 Empresa SaaS de gestión de proyectos

Síntoma: CTR del 22 % en la palabra clave “software gestión proyectos”.
Acción: Detectó 1 200 URLs con dominio *.xyz creadas el mismo día. Bloqueó la API y revocó 12 tokens.
Resultado: Reducción del gasto fraudulento en USD 98 000 en 48 h; ROI volvió a 4.3×.

5.2 E‑commerce de moda

Síntoma: Impresiones 5× superiores a la media en “zapatos casuales hombre”.
Acción: Implementó modelo LightGBM y reglas de Safe Browsing.
Resultado: Detectó 3 400 clics fraudulentos (≈ USD 12 000) y evitó que el ataque continuara.

6. Comparativa de soluciones SaaS de detección de fraude con IA

Proveedor	Cobertura de plataformas	IA incorporada	Tiempo medio de detección	Precio base (USD/mes)	Comentario
FraudGuard AI	Google, Bing, Meta, TikTok, programática	Deep Learning + análisis de texto	< 5 min	1 200	Excelente para grandes cuentas, API robusta.
AdSecure	Google, Microsoft	Modelo de clustering + reglas adaptativas	10 min	800	UI sencilla, buen soporte.
ClickShield	Solo Google Ads	Random Forest + Safe Browsing	7 min	500	Precio bajo, pero menos flexibilidad.
Custom ML (DIY)	Todas (via API)	Puedes entrenar tu propio modelo	Depende	Infraestructura + tiempo	Máxima personalización, requiere equipo de datos.

7. Conclusión

Claude ClickFix demuestra que el fraude publicitario ha entrado en la era de la IA: generación automática de anuncios, publicación masiva y clic

Herramienta mencionada: Anthropic Claude API

DEV Community