ONTEXTO DEL PROBLEMA Sistema actual: Flujo de n8n que procesa webhooks de WhatsApp…
- User
ONTEXTO DEL PROBLEMA Sistema actual: Flujo de n8n que procesa webhooks de WhatsApp usando WHAPI Arquitectura: Queue mode con múltiples workers + Redis para batching Problema crítico: Vulnerabilidad a ataques masivos de mensajes que saturan Redis y colapsan el sistema OBJETIVO TÉCNICO Diseñar e implementar un sistema de protección anti-spam que:
PROTEJA ANTES DE CONTAMINAR: Filtrar mensajes maliciosos ANTES de que lleguen a Redis DIFERENCIE PATRONES: Distinguir entre usuarios legítimos activos vs ataques automatizados DEGRADE GRACIOSAMENTE: Aplicar throttling progresivo en lugar de bloqueos absolutos SEA COMPATIBLE CON WORKERS: Funcionar correctamente en queue mode distribuido MANTENGA ESTADO CONSISTENTE: Usar Redis como fuente de verdad compartida entre workers
ESPECIFICACIONES TÉCNICAS REQUERIDAS ANÁLISIS DE PATRONES EN TIEMPO REAL javascript// Criterios de detección robustos const criteriosBot = { critico: { mensajes30s: "> 15", intervalPromedio: "< 800ms", repeticionContenido: "> 70%" }, moderado: { mensajes1min: "> 20", intervalMinimo: "< 500ms", patronesRoboticos: "> 5 intervalos idénticos" } };
const criteriosSpamHumano = { agresivo: { mensajes1min: "> 25", mensajesCortos: "> 15 con <10 caracteres" }, repetitivo: { repeticionRatio: "> 60%", volumenMinimo: "> 10 mensajes/min" } }; SISTEMA DE RATE LIMITING DINÁMICO LÍMITES POR CLASIFICACIÓN:
- Usuario normal: 120 mensajes/hora
- Usuario activo: 80 mensajes/hora
- Usuario muy activo: 50 mensajes/hora
- Spam detectado: 5-20 mensajes/hora
- Bot moderado: 1 mensaje/hora
- Bot crítico: 0 mensajes/hora (bloqueo total) ARQUITECTURA DE DELAYS PROGRESIVOS ESCALACIÓN DE DELAYS:
- Comportamiento normal: 0 segundos
- Usuario activo: 2 segundos
- Usuario muy activo: 5 segundos
- Spam repetitivo: 15 segundos
- Spam agresivo: 30 segundos
- Bot moderado: Bloqueo temporal (mensaje informativo)
- Bot crítico: Bloqueo permanente (mensaje de advertencia) REQUERIMIENTOS DE IMPLEMENTACIÓN
- DETECTOR DE PATRONES (Nodo Code) javascriptENTRADA: {chatId, message, timestamp} PROCESAMIENTO:
- Mantener estado en global.chatStats por chatId
- Analizar ventanas temporales: 30s, 1min, 5min
- Calcular métricas: intervalos, repetición, longitud
- Clasificar comportamiento según criterios SALIDA: {comportamiento, accion, severidad, delaySegundos, maxMensajesHora, rateLimitKey}
- ROUTER DE ACCIONES (Nodo Switch) RUTAS:
- bloquear_permanente → Envío de advertencia + FIN
- bloquear_temporal → Envío de notificación + FIN
- delay_[nivel] → Wait dinámico → Continuar
- procesar → Rate limiting directo
- RATE LIMITING CON REDIS OPERACIONES:
- GET ratelimit:{chatId}:{hora} → Obtener contador actual
- IF contador >= límite → Rechazar + Notificar
- ELSE INCR ratelimit:{chatId}:{hora} TTL 3600 → Continuar
- GESTIÓN DE ESTADO DISTRIBUIDO REDIS KEYS:
- ratelimit:{chatId}:{timestamp_hora} → Contador con TTL 3600s
- Estado compartido entre todos los workers
- Operaciones atómicas (INCR) para thread-safety FLUJO DE EJECUCIÓN ESPERADO Mensaje → Detector Patrones → Clasificación → Router ↓ ┌─ Bot Crítico → Bloqueo Permanente → FIN ├─ Bot Moderado → Warning Temporal → FIN ├─ Spam → Delay Dinámico → Rate Limit Check └─ Normal → Rate Limit Check ↓ Rate Limit Check → ¿Excedido? ↓ ↓ Rechazar Incrementar → PushMessage → Continuar flujo original CASOS DE PRUEBA REQUERIDOS USUARIO NORMAL
Input: 3 mensajes en 2 minutos, contenido variado Expected: Clasificación "normal", 0 delay, límite 120/hora Flow: Detector → Router → Rate Check → Incrementar → PushMessage
USUARIO MUY ACTIVO
Input: 35 mensajes en 5 minutos, contenido diverso Expected: Clasificación "usuario_muy_activo", delay 5s, límite 50/hora Flow: Detector → Router → Wait 5s → Rate Check → Incrementar → PushMessage
SPAM HUMANO AGRESIVO
Input: 30 mensajes en 1 minuto, 20 de ellos <10 caracteres Expected: Clasificación "spam_humano_agresivo", delay 30s, límite 5/hora Flow: Detector → Router → Wait 30s → Rate Check → Incrementar → PushMessage
BOT CRÍTICO
Input: 20 mensajes en 25 segundos, intervalos de 800ms, 80% idénticos Expected: Clasificación "ataque_bot_critico", bloqueo permanente Flow: Detector → Router → Bloqueo Permanente → FIN (no procesado)
MÉTRICAS DE MONITOREO REQUERIDAS javascriptSALIDA DE MÉTRICAS: { mensajes30s: number, mensajes1min: number, mensajes5min: number, intervaloPromedio: number, intervaloMinimo: number, repeticionRatio: percentage, textosUnicos: number, mensajesCortos: number, intervalosRoboticos: number, comportamiento: string, severidad: 0-10, timestampAnalisis: ISO_string } CRITERIOS DE ÉXITO
PROTECCIÓN EFECTIVA: Bloquear ataques bot sin falsos positivos en usuarios legítimos DEGRADACIÓN GRADUAL: Aplicar delays progresivos, no bloqueos binarios TRANSPARENCIA: Usuario siempre informado de acciones tomadas y razones RECUPERACIÓN AUTOMÁTICA: Límites se resetean cada hora sin intervención manual COMPATIBILIDAD TOTAL: Funcionar en queue mode con múltiples workers PERFORMANCE: No agregar latencia significativa a mensajes normales MEMORIA CONTROLADA: Auto-limpieza de estado para evitar memory leaks
CONFIGURACIÓN DE DESPLIEGUE bash# Workers configuration n8n worker --concurrency=5 # Multiple instances
Redis configuration
- TTL automático en keys de rate limiting
- Operaciones atómicas para thread-safety
- Estado compartido entre workers
Environment variables
REDIS_URL=existing_redis_instance WHAPI_TOKEN=existing_token RESULTADO ESPERADO Un sistema robusto que proteja la infraestructura de ataques masivos manteniendo una experiencia de usuario aceptable para uso legítimo, compatible con la arquitectura existente de queue mode y workers distribuidos.
Assistant
Diseño e Implementación del Sistema de Protección Anti-Spam
1. Arquitectura General
El sistema de protección anti-spam se integrará en el flujo existente de n8n que procesa webhooks de WhatsApp usando WHAPI. La arquitectura se basa en:
- Detector de Patrones: Nodo de código que analiza los mensajes entrantes y clasifica el comportamiento del usuario.
- Router de Acciones: Nodo de conmutación que dirige el flujo según la clasificación obtenida.
- Rate Limiting con Redis: Sistema de limitación de tasa que utiliza Redis para almacenar y verificar los contadores de mensajes.
2. Detector de Patrones
2.1. Entrada y Salida
- Entrada:
{chatId, message, timestamp} - Salida:
{comportamiento, accion, severidad, delaySegundos, maxMensajesHora, rateLimitKey}
2.2. Procesamiento
- Mantener estado en
global.chatStatsporchatId. - Analizar ventanas temporales: 30s, 1min, 5min.
- Calcular métricas:
- Intervalos entre mensajes.
- Repetición de contenido.
- Longitud de los mensajes.
- Clasificar comportamiento según criterios definidos.
2.3. Implementación
// detector-patrones.js const criteriosBot = { critico: { mensajes30s: "> 15", intervalPromedio: "< 800", repeticionContenido: "> 0.7" }, moderado: { mensajes1min: "> 20", intervalMinimo: "< 500", patronesRoboticos: "> 5" } }; const criteriosSpamHumano = { agresivo: { mensajes1min: "> 25", mensajesCortos: "> 15" }, repetitivo: { repeticionRatio: "> 0.6", volumenMinimo: "> 10" } }; let global = { chatStats: {} }; module.exports = async function({ chatId, message, timestamp }) { if (!global.chatStats[chatId]) { global.chatStats[chatId] = { mensajes: [], ultimaActualizacion: timestamp }; } const chatStats = global.chatStats[chatId]; chatStats.mensajes.push({ message, timestamp }); // Limpiar mensajes antiguos chatStats.mensajes = chatStats.mensajes.filter(m => m.timestamp > timestamp - 300000); // Calcular métricas const mensajes30s = chatStats.mensajes.filter(m => m.timestamp > timestamp - 30000).length; const intervaloPromedio = calcularIntervaloPromedio(chatStats.mensajes); const repeticionContenido = calcularRepeticion(chatStats.mensajes); // Clasificar comportamiento let comportamiento, accion, severidad, delaySegundos, maxMensajesHora; if (mensajes30s > 15 && intervaloPromedio < 800 && repeticionContenido > 0.7) { comportamiento = 'ataque_bot_critico'; accion = 'bloquear_permanente'; severidad = 10; } else if (/* otros criterios */) { // Otras clasificaciones } else { comportamiento = 'normal'; accion = 'procesar'; severidad = 0; } // Asignar delay y límite según clasificación switch (comportamiento) { case 'normal': delaySegundos = 0; maxMensajesHora = 120; break; case 'usuario_muy_activo': delaySegundos = 5; maxMensajesHora = 50; break; // Otros casos } return { comportamiento, accion, severidad, delaySegundos, maxMensajesHora, rateLimitKey: `ratelimit:${chatId}:${Math.floor(timestamp / 3600000)}` }; };3. Router de Acciones
3.1. Rutas
bloquear_permanentebloquear_temporaldelay_[nivel]procesar
3.2. Implementación
// router-acciones.js module.exports = async function({ accion, delaySegundos, chatId, message }) { switch (accion) { case 'bloquear_permanente': // Enviar advertencia y terminar flujo return { fin: true }; case 'bloquear_temporal': // Enviar notificación y terminar flujo return { fin: true }; case 'delay_normal': case 'delay_usuario_activo': case 'delay_usuario_muy_activo': // Esperar según delaySegundos await new Promise(resolve => setTimeout(resolve, delaySegundos * 1000)); return { continuar: true }; case 'procesar': return { continuar: true }; default: throw new Error(`Acción no reconocida: ${accion}`); } };4. Rate Limiting con Redis
4.1. Operaciones
GET ratelimit:{chatId}:{hora}: Obtener contador actual.INCR ratelimit:{chatId}:{hora}: Incrementar contador.EXPIRE ratelimit:{chatId}:{hora} 3600: Establecer TTL.
4.2. Implementación
// rate-limiting.js const redis = require('redis'); const client = redis.createClient({ url: process.env.REDIS_URL }); module.exports = async function({ rateLimitKey, maxMensajesHora }) { const contador = await client.get(rateLimitKey); if (contador && parseInt(contador) >= maxMensajesHora) { // Rechazar mensaje return { excedido: true }; } else { await client.incr(rateLimitKey); await client.expire(rateLimitKey, 3600); return { excedido: false }; } };5. Flujo de Ejecución
- Mensaje entrante.
- Detector de Patrones: Clasificar comportamiento.
- Router de Acciones: Dirigir flujo según clasificación.
- Rate Limiting: Verificar límite de tasa.
- Si no excedido, procesar mensaje.
6. Casos de Prueba
6.1. Usuario Normal
- Input: 3 mensajes en 2 minutos, contenido variado.
- Expected: Clasificación "normal", 0 delay, límite 120/hora.
6.2. Usuario Muy Activo
- Input: 35 mensajes en 5 minutos, contenido diverso.
- Expected: Clasificación "usuario_muy_activo", delay 5s, límite 50/hora.
6.3. Spam Humano Agresivo
- Input: 30 mensajes en 1 minuto, 20 de ellos <10 caracteres.
- Expected: Clasificación "spam_humano_agresivo", delay 30s, límite 5/hora.
6.4. Bot Crítico
- Input: 20 mensajes en 25 segundos, intervalos de 800ms, 80% idénticos.
- Expected: Clasificación "ataque_bot_critico", bloqueo permanente.
7. Métricas de Monitoreo
{ "mensajes30s": 5, "mensajes1min": 10, "mensajes5min": 20, "intervaloPromedio": 1000, "intervaloMinimo": 500, "repeticionRatio": 0.2, "textosUnicos": 8, "mensajesCortos": 3, "intervalosRoboticos": 2, "comportamiento": "normal", "severidad": 0, "timestampAnalisis": "2023-04-01T12:00:00.000Z" }8. Configuración de Despliegue
# Workers configuration n8n worker --concurrency=5 # Redis configuration REDIS_URL=redis://localhost:63799. Resultado Esperado
Un sistema robusto que proteja la infraestructura de ataques masivos manteniendo una experiencia de usuario aceptable para uso legítimo, compatible con la arquitectura existente de queue mode y workers distribuidos.
Other models, same or similar prompt
Responses were produced in different, uncontrolled contexts (system prompts, settings, prior turns). This is not a benchmark.