Cuando eso ocurre, muchas personas se sentir\u00e1n frustradas. Sin embargo, y pese a que las posibilidades de recuperar aquello que buscaban se<\/em>r\u00e1n reducidas, no por ello se<\/em>r\u00e1 imposible acceder a una copia<\/em>. Y esa posibilidad no est\u00e1 exenta controversias<\/strong>.<\/p>\n\n\n\n El almacenamiento hist\u00f3rico de contenidos de Internet ha sido un reto desde el propio origen de la red. La proliferaci\u00f3n de dominios p\u00fablicos en la World Wide Web<\/strong>,<\/em> y el posterior desarrollo de buscadores encargados de indagar en su contenido, dio paso al inter\u00e9s por guardar todo aquello que aparec\u00eda publicado en forma de p\u00e1ginas HTML.<\/p>\n\n\n\n A comienzos de siglo, una iniciativa sin intereses econ\u00f3micos, surgida en 1996<\/strong>, tom\u00f3 forma definitiva. Vino a llamarse WayBack Machine<\/a><\/em> o, expresado en t\u00e9rminos m\u00e1s entendibles, el Archivo Hist\u00f3rico de Internet<\/strong>. <\/p>\n\n\n\n El servicio persegu\u00eda ser testigo y registrador de lo que acontec\u00eda en la Web. <\/strong>Y para ello tomaba im\u00e1genes instant\u00e1neas y representativas \u2014snapshots,<\/em> en terminolog\u00eda propia\u2014 de los servicios diariamente publicados.<\/p>\n\n\n\n La WayBack Machine<\/strong><\/em> se constituy\u00f3 en una fuente de informaci\u00f3n indispensable para muchas actividades. Seg\u00fan los datos publicados diariamente por Archive.org<\/strong><\/em>, sus servidores almacenan m\u00e1s de 451 billones \u2014en notaci\u00f3n americana\u2014 de capturas de Webs<\/strong>. Un volumen may\u00fasculo que, sin embargo, solo representa una peque\u00f1a parte de su contenido total. Porque si bien se trata de un n\u00famero que puede resultar impactante, presenta una evidente limitaci\u00f3n: solo captura <\/em>p\u00e1ginas HTML<\/strong> o ficheros p\u00fablicos\u2014incluyendo im\u00e1genes, videos o programas de ordenado. Es decir, paginas que resulten accesible a trav\u00e9s de un dominio debidamente registrado, publicado e indexado. B\u00e1sicamente no tiene en consideraci\u00f3n contenidos que no tienen asociados un servidor p\u00fablico o p\u00e1ginas dentro de ese servidor que su propietario, a trav\u00e9s del fichero \u201crobot.txt<\/em>\u201d, ha decidido que no deber\u00edan indexarse<\/a>.<\/p>\n\n\n\n Aun as\u00ed, la informaci\u00f3n a guardar es enorme. Por ejemplo, el n\u00famero de Webs existentes en el mundo<\/a> se sit\u00faa en abril de 2021 en m\u00e1s de 1,85 billones de dominios<\/strong>. Si tuvi\u00e9ramos en cuenta que el tiempo medio de \u201cvida p\u00fablica\u201d de una p\u00e1gina Web no supera los 100 d\u00edas<\/strong>, podr\u00edamos hacer un c\u00e1lculo de la informaci\u00f3n que se podr\u00eda almacenar.<\/p>\n\n\n\n Bajo este modelo, el tama\u00f1o de las bases de datos de la WayBack Machine<\/em> crece d\u00eda a d\u00eda. Actualmente supera los 45 Petabytes<\/strong>.<\/p>\n\n\n\n Un aspecto relevante es que sus servidores est\u00e1n alojados en California, bajo leyes y normas norteamericanas. No se trata de una cuesti\u00f3n menor si se tienen en cuenta las diferencias legislativas en el tratamiento de datos que existen con Europa<\/a><\/strong>.<\/p>\n\n\n\n Sea cual sea la raz\u00f3n, una copia de ese mismo contenido se guarda tambi\u00e9n en la Biblioteca de Alejandr\u00eda<\/a>, como copia de respaldo. Una copia que paralelamente la consultan millones de usuarios.<\/p>\n\n\n\n La utilidad de los fondos hist\u00f3ricos de la Web tiene, pese a todo, m\u00faltiples \u201caristas\u201d cuando se analiza detenidamente.<\/p>\n\n\n\n La vocaci\u00f3n de la iniciativa WayBack Machine<\/em> es “contribuir desinteresadamente al desarrollo de la sociedad a trav\u00e9s del estudio y el an\u00e1lisis de la informaci\u00f3n publicada en la red<\/em>“. <\/p>\n\n\n\n Sin embargo, los datos que almacena pueden tener otros usos<\/strong>. Por ejemplo, en ocasiones, el contenido de la Web se emplea para recuperar evidencias que pueden ser utilizadas en pleitos con implicaciones legales<\/a>; otras veces sirve para realizar an\u00e1lisis forenses de hechos ocurridos en el pasado. Y en otras muchas situaciones solo responde a curiosidades o intereses con reminiscencias nost\u00e1lgicas<\/strong>. Sea cual sea el caso, hemos de decir que existen intensos debates que ponen en tela de juicio sus diferentes formas de uso.<\/p>\n\n\n\n Hemos excluido de la enumeraci\u00f3n anterior otra forma de explotar el contenido de la WayBack Machine<\/em> que se ha convertido en una pr\u00e1ctica bastante extendida entre los ciberdelincuentes<\/strong>.<\/p>\n\n\n\n Un estudio realizado hace tres a\u00f1os mostraba que exist\u00edan hasta siete maneras diferentes de utilizar la informaci\u00f3n almacenada en el archivo hist\u00f3rico de Internet para atacar a algunas Webs<\/a><\/em><\/strong>. Ataques que podr\u00edan desplegarse desde dentro del sistema de archivos y a trav\u00e9s de la utilizaci\u00f3n de las im\u00e1genes (snapshots<\/em>) almacenadas. No en vano, el contenido recogido de una Web podr\u00eda tener privilegios de acceso no contemplados<\/em> por sus creadores, ser vulnerables a t\u00e9cnicas de Cross Site Scripting<\/em>, facilitar el uso de t\u00e9cnicas de suplantaci\u00f3n de identidad<\/em> o incluso ejecutar<\/em> Javascripts de forma no controlada<\/em>.<\/p>\n\n\n\n Los contenidos hist\u00f3ricos de las Webs en ocasiones se emplean para comparar diferentes versiones de un mismo servidor con el objetivo de correlacionar vulnerabilidades hist\u00f3ricas de un sistema<\/strong>. Incluso sirven para evaluar en modo offline \u2014creando una copia cuasi exacta\u2014 la seguridad de un sitio Web sin tener que atacarlo directamente. De facto, algunas herramientas utilizadas para implementar t\u00e9cnicas de hacking \u00e9tico actualmente emplean este tipo de t\u00e1cticas.<\/p>\n\n\n\n Solo a modo de ejemplo, recientemente descubr\u00edamos un caso que combinaba varias de las situaciones mencionadas. Una conocida entidad financiera brit\u00e1nica cometi\u00f3 un error al programar su Web y utiliz\u00f3 directamente la WayBack Machine como repositorio para recuperar sus propios Javascripts<\/a><\/em><\/strong>. Con ello abri\u00f3 la posibilidad, entre otras cosas, a la suplantaci\u00f3n del contenido de la web o incluso a la interrupci\u00f3n del servicio que prestaba.<\/p>\n\n\n\nWayBack Machine<\/em><\/strong><\/h3>\n\n\n\n
![\"\"](\"https:\/\/all4sec.es\/blog\/wp-content\/uploads\/2021\/04\/Error-404-2-Wayback-Machine.png\")
<\/figure><\/div>\n\n\n\nBiblioteca de Alejandr\u00eda<\/strong><\/h3>\n\n\n\n
![\"\"](\"https:\/\/all4sec.es\/blog\/wp-content\/uploads\/2021\/04\/Error-404-2-ula-kuzma-9i4DHlC80AQ-unsplash-680x1024.jpg\")
<\/figure><\/div>\n\n\n\nDatos hist\u00f3ricos<\/strong><\/h3>\n\n\n\n
![\"\"](\"https:\/\/all4sec.es\/blog\/wp-content\/uploads\/2021\/04\/Error-404-3-immo-wegmann-5PqBCWUtYbo-unsplash-1024x678.jpg\")
<\/figure><\/div>\n\n\n\nDebilidades en ciberseguridad<\/strong><\/h3>\n\n\n\n
![\"\"](\"https:\/\/all4sec.es\/blog\/wp-content\/uploads\/2021\/04\/Error-404-4-jason-dent-JVD3XPqjLaQ-unsplash-974x1024.jpg\")
<\/figure><\/div>\n\n\n\nDe vuelta al “Error 404<\/strong> – File not found”<\/h3>\n\n\n\n
![\"\"](\"https:\/\/all4sec.es\/blog\/wp-content\/uploads\/2021\/04\/Error-404-5-OWASP-Combination-mark-r.png\")
<\/figure><\/div>\n\n\n\n