Skip to content

Técnicas de evasão

Os sistemas de detecção correlacionam sinais entre camadas: o fingerprint de rede (TCP/TLS/HTTP2), o fingerprint do navegador (canvas, WebGL, navigator) e o comportamento (mouse, teclado, tempo). Passar em uma camada e falhar em outra ainda te sinaliza. Um IP residencial com um fingerprint TCP incompatível, ou um fingerprint de navegador perfeito com cliques robóticos, é pego por qualquer coisa que faça verificação cruzada. Esta página cobre o que o Pydoll te dá de graça e as alavancas que você controla para manter as camadas consistentes.

O que você ganha de graça

Como o Pydoll controla um Chrome real via CDP em vez de sintetizar requisições, várias camadas são autênticas sem nenhuma configuração:

  • Fingerprints de rede reais. A stack TCP/IP do Chrome, o TLS (BoringSSL) e a stack HTTP/2 produzem fingerprints genuínos: o TLS ClientHello, o frame SETTINGS do HTTP/2, a ordem dos pseudo-headers e as prioridades de stream, tudo corresponde a um Chrome real. Ferramentas que constroem requisições programaticamente (requests, httpx, curl) não.
  • Fingerprints de navegador reais. Canvas, WebGL e AudioContext vêm de hardware de GPU e áudio reais. As propriedades do navigator, os plugins de PDF embutidos e os tipos MIME refletem o estado genuíno do navegador.
  • navigator.webdriver é false. Selenium, Playwright e Puppeteer o definem como true. O Pydoll inicia sem flags de automação, então ele reporta false, igual a uma sessão normal. Você não precisa aplicar patch nisso.
  • Sequências completas de eventos de input. O input despachado via CDP gera a cadeia completa de eventos (pointermove, pointerdown, mousedown, pointerup, mouseup, click) exatamente como um usuário real faria.

O resto desta página são as camadas que você de fato controla.

Mantenha o User-Agent consistente

O indício de automação mais comum é um User-Agent que discorda de si mesmo: o header HTTP User-Agent dizendo uma coisa enquanto navigator.userAgent, navigator.platform e os Client Hints (Sec-CH-UA, Sec-CH-UA-Platform) dizem outra. Definir --user-agent= como uma flag simples do Chrome muda apenas o header HTTP e deixa o JavaScript e os Client Hints intocados, o que é uma incompatibilidade que um detector lê imediatamente.

O Pydoll corrige isso para você. Quando ele vê um argumento --user-agent=, ele aplica Emulation.setUserAgentOverride com o platform correspondente e os metadados completos de Client Hints (brand greased e ordem das brands calculadas do jeito que o Chromium calcula para aquele major), e expõe a forma reduzida Chrome/MAJOR.0.0.0 que o Chrome real reporta. Todas as camadas passam a concordar: o header na rede, navigator.userAgent, platform, vendor e appVersion, os hints de baixa e alta entropia (Sec-CH-UA, brands, fullVersionList), na primeira aba, em toda aba aberta depois e dentro de workers. A página não recebe script injetado; esses valores vêm do próprio override. Workers são o único lugar onde um script roda: o override do CDP não alcança WorkerNavigator.platform, nem o User-Agent de shared e service workers, então o Pydoll se anexa a cada worker antes do código dele começar e define esses dois ali.

from pydoll.sync import Chrome, ChromiumOptions

def main():
    options = ChromiumOptions()
    options.add_argument(
        '--user-agent=Mozilla/5.0 (Windows NT 10.0; Win64; x64) '
        'AppleWebKit/537.36 (KHTML, like Gecko) '
        'Chrome/154.0.0.0 Safari/537.36'
    )

    with Chrome(options=options) as browser:
        tab = browser.start()
        tab.go_to('https://browserleaks.com/javascript')

main()

import asyncio

from pydoll import Chrome, ChromiumOptions


async def main():
    options = ChromiumOptions()
    options.add_argument(
        '--user-agent=Mozilla/5.0 (Windows NT 10.0; Win64; x64) '
        'AppleWebKit/537.36 (KHTML, like Gecko) '
        'Chrome/154.0.0.0 Safari/537.36'
    )

    async with Chrome(options=options) as browser:
        tab = await browser.start()
        await tab.go_to('https://browserleaks.com/javascript')

asyncio.run(main())

154 é o major do Chrome instalado na máquina em que esta página foi escrita; coloque o seu. A próxima seção explica por que esse número é a única parte da string que você não escolhe. O override se aplica à primeira aba, às abas de browser.new_tab() e às abas encontradas via browser.get_opened_tabs().

Mantenha o major igual ao binário

O override reescreve tudo o que o browser diz sobre a sua versão. Ele não reescreve o que o browser é: o motor JavaScript e a plataforma web do binário que você lançou. Cada major do Chrome traz APIs novas, e um detector que extrai o major do User-Agent e depois sonda funções que não existiam naquele major lê o major real. É assim que o Chrome 154 responde quando lançado com um User-Agent que declara 130:

Superfície Reporta
Header User-Agent, navigator.userAgent, navigator.appVersion Chrome 130
Sec-CH-UA, navigator.userAgentData.brands, fullVersionList 130, com a brand GREASE Not?A_Brand que o Chrome 130 usava
RegExp.escape (lançada no 136), Float16Array (135), Error.isError (134), Uint8Array.fromBase64 (140), Math.sumPrecise (146) todas presentes

Cinco funções que não existiam no Chrome 130 estão lá, então a página é um Chrome 146 ou mais novo com um crachá de 130. Uma checagem tão barata é comum: detectores de código aberto como o BotD do FingerprintJS e o CreepJS carregam tabelas de quais APIs e propriedades CSS cada major do Chromium adicionou ou removeu, delimitam o motor a partir delas e marcam um User-Agent fora da faixa; alguns também buscam o número da release Stable atual e marcam um User-Agent que declara uma mais nova. O reCAPTCHA do Google trata uma versão desatualizada do motor no User-Agent como suspeita desde pelo menos 2016 (Sivakorn, Polakis e Keromytis, I am Robot, EuroS&P 2016). Declarar um major mais novo que o binário falha do mesmo jeito, ao contrário: as APIs prometidas não existem. O motor também se entrega de formas mais silenciosas, porque o texto das mensagens de erro, os últimos bits de alguns resultados de Math e a sintaxe aceita mudam entre releases do V8. Por baixo de tudo isso, o ClientHello TLS e as configurações HTTP/2 identificam a família do motor e, aproximadamente, a sua época, então declarar Firefox ou Safari falha antes de qualquer JavaScript rodar.

O resto da string é seu para definir. O próprio Chrome reporta a forma reduzida Chrome/MAJOR.0.0.0 no User-Agent e guarda o build completo só nos hints de alta entropia, que o override preenche de forma coerente a partir do valor que você passa. Então o build é a única parte que você pode variar, e só quando a plataforma tem de fato mais de um build para aquele major. Rotacionar identidades é rotacionar o binário (marca, build), não a string, e um binário que para de atualizar enquanto o canal Stable avança vira, sozinho, uma população pequena. Mantenha o major igual a browser.get_version(), tire o OS e o dispositivo do perfil, e deixe o build em 0.0.0. Uma checagem de uma linha pega a divergência no próximo upgrade do Chrome:

declarado = 154
versao = browser.get_version()['product']     # 'Chrome/154.0.8037.58'
assert int(versao.split('/')[1].split('.')[0]) == declarado, versao

declarado = 154
versao = (await browser.get_version())['product']     # 'Chrome/154.0.8037.58'
assert int(versao.split('/')[1].split('.')[0]) == declarado, versao

Combine idioma, fuso horário e geolocalização com o IP

Por trás de um proxy, o idioma, o fuso horário e a localização do navegador devem concordar com o país do IP. Um IP em Tóquio com Accept-Language: en-US e um fuso America/New_York é uma contradição.

O idioma é uma opção independente:

options = ChromiumOptions()
options.add_argument('--lang=ja-JP')
options.set_accept_languages('ja-JP,ja;q=0.9,en;q=0.8')

Isso define tanto o header Accept-Language quanto navigator.language / navigator.languages. O fuso horário e a geolocalização também têm que combinar, e precisam permanecer consistentes com o sistema operacional do User-Agent e com o IP, tudo ao mesmo tempo. Defini-los de forma coerente a partir de um único perfil é para isso que serve apply_fingerprint(); veja Injeção de fingerprint.

Impeça o WebRTC de vazar o seu IP

O WebRTC pode revelar o IP real mesmo por trás de um proxy, através de requisições STUN que pulam o túnel do proxy. Ative a proteção embutida sempre que usar um proxy para stealth:

options = ChromiumOptions()
options.webrtc_leak_protection = True   # --force-webrtc-ip-handling-policy=disable_non_proxied_udp

Comporte-se como uma pessoa

Cliques instantâneos e teclas perfeitamente regulares são um fingerprint comportamental. Passe humanize=True para mover o cursor por um caminho curvo, com tempo humano, e digitar com ritmo variável e erros de digitação ocasionais que são corrigidos:

field = tab.find(id='search')
field.type_text('browser automation', humanize=True)
field.click(humanize=True)

field = await tab.find(id='search')
await field.type_text('browser automation', humanize=True)
await field.click(humanize=True)

Veja Interações humanizadas para o modelo de tempo e como ajustá-lo.

Pareça um perfil já usado

Um perfil novinho em folha, sem histórico e com todos os recursos desativados, não se parece em nada com o de um usuário real. Pré-popule o perfil através de browser_preferences (timestamps envelhecidos, uma versão do Chrome correspondente, recursos ativados), abordado em Preferências do navegador.

Erros comuns

Randomizar tudo

Um hardwareConcurrency, deviceMemory e tamanho de tela aleatórios produzem dispositivos impossíveis. Máquinas reais são limitadas: 4 núcleos com 8 GB de RAM e uma tela 1920x1080 é plausível; 17 núcleos com 0,5 GB de RAM e uma tela 4K não é. Use perfis capturados de navegadores reais, não valores aleatórios.

Injetar ruído no canvas

Adicionar ruído à saída do canvas sai pela culatra: os detectores amostram o fingerprint repetidamente, e um valor que muda entre leituras é, por si só, um sinal de automação. O canvas do Pydoll é autêntico e estável; deixe-o quieto.

User-Agents desatualizados

Um UA de uma release do Chrome de seis meses atrás declara um major que o binário já não é, e o conjunto de recursos do motor entrega isso; veja Mantenha o major igual ao binário. O Chrome se atualiza sozinho para usuários reais, então um major atual é também a cara da maior parte do tráfego.

Ignorar o comportamento da sessão

Mesmo com um fingerprint limpo, carregar 100 páginas num minuto, nunca rolar a página e nunca ficar ocioso são anomalias. Adicione delays de leitura, varie o ritmo e inclua pausas naturais.

Verifique a sua configuração

Cheque o seu fingerprint nestes sites antes de rodar em escala:

Ferramenta URL Testa
BrowserLeaks https://browserleaks.com/ Canvas, WebGL, fontes, IP, WebRTC, HTTP/2
CreepJS https://abrahamjuliot.github.io/creepjs/ Detecção de mentiras, verificações de consistência
Pixelscan https://pixelscan.net/ Análise de detecção de bots
IPLeak https://ipleak.net/ WebRTC, DNS, vazamentos de IP

Uma verificação rápida com o Pydoll:

result = tab.execute_script('''
    return {
        userAgent: navigator.userAgent,
        webdriver: navigator.webdriver,
        languages: navigator.languages,
        plugins: navigator.plugins.length,
        timezone: Intl.DateTimeFormat().resolvedOptions().timeZone,
    };
''')
fp = result['result']['result']['value']

assert fp['webdriver'] is False, 'navigator.webdriver should be false'
assert 'HeadlessChrome' not in fp['userAgent'], 'headless leaking in the UA'

result = await tab.execute_script('''
    return {
        userAgent: navigator.userAgent,
        webdriver: navigator.webdriver,
        languages: navigator.languages,
        plugins: navigator.plugins.length,
        timezone: Intl.DateTimeFormat().resolvedOptions().timeZone,
    };
''')
fp = result['result']['result']['value']

assert fp['webdriver'] is False, 'navigator.webdriver should be false'
assert 'HeadlessChrome' not in fp['userAgent'], 'headless leaking in the UA'

O que vem a seguir