Web Scraping: conheça a técnica de coleta de dados

Por André Luiz Dias Gonçalves via nexperts

No início de abril, um novo vazamento de dados expôs 533 milhões de usuários do Facebook em todo o mundo, incluindo o próprio fundador da rede social Mark Zuckerberg e em torno de 8 milhões de brasileiros que possuem perfis no serviço.

De acordo com a plataforma, essa exposição de dados não se deve a nenhuma invasão aos seus servidores. As informações, que pararam em um fórum de hackers, foram obtidas por meio de uma técnica conhecida como scraping.

O método, utilizado por agências de marketing, jornalistas e cientistas de dados, já ganhou as manchetes em outras ocasiões, como em setembro de 2020, quando vazaram dados de 235 milhões de usuários do YouTube, Instagram e TikTok. Mas o caso mais famoso talvez seja o escândalo Cambridge Analytica, no qual informações de perfis do Facebook foram usadas para gerar mapas comportamentais de eleitores.

O que é scraping?

Também chamado de raspagem web, o scraping é uma técnica que permite coletar informações na internet de maneira automatizada, a partir de bases de dados públicas, disponibilizadas em sites, redes sociais e outros serviços online.

Geralmente, a ferramenta é utilizada para acelerar a consulta e a coleta destas informações, enquanto o trabalho feito de forma manual levaria um tempo muito maior. A agilidade do processo se deve a aplicativos específicos, linguagem de programação ou scripts para copiar dados em grande escala.

O scraping é acionado quando um pesquisador, cientista, jornalista ou outro profissional precisa levantar uma grande quantidade de dados para alimentar um estudo, pesquisa ou reportagem, automatizando a coleta em uma base pública do governo federal ou qualquer outra fonte.

Com a raspagem de dados, também é possível obter informações abertas de perfis nas redes sociais (nome, foto, endereço, telefone, e-mail etc) e por meio do Google, para os mais variados objetivos, como a segmentação de campanhas publicitárias e o monitoramento de concorrentes.

A raspagem de dados é legal?

Coletar dados por scraping não é considerado ilegal, desde que a raspagem ocorra em bases públicas. Ou seja, as informações obtidas são acessíveis a qualquer internauta e assim como visitar o perfil de alguém e visualizar os dados disponibilizados lá não é crime, utilizar uma ferramenta automatizada para tal trabalho também não infringe as leis.

Porém, é preciso saber que o Facebook, o Instagram, o YouTube e o TikTok, entre outras plataformas, atualmente consideram a cópia automatizada de dados armazenados por elas como uma violação às regras de uso dos seus serviços.

Há riscos para quem tem os dados copiados?

Ao usar o scraping, pessoas e empresas podem ter acesso a informações públicas de qualquer indivíduo incluído naquela base, como número de telefone, e-mail, foto de perfil, idade e sexo, dependendo do tipo de fonte acessada pela ferramenta automática.

No caso de uma rede social, os scrapers também conseguem detalhes como número de seguidores, engajamento e até mesmo links compartilhados, além de postagens públicas e os demais conteúdos abertos a outros usuários, se a plataforma conceder tal acesso.

Em geral, a coleta destas informações não causa maiores prejuízos, se feita com o objetivo de apoiar pesquisas e em campanhas com autorização dos usuários.

No entanto, o método também pode ser utilizado com intenções maliciosas, por cibercriminosos em busca de dados para aplicar golpes e outros tipos de fraudes ou em ações como a da Cambridge Analytica — suspeita-se que os dados serviram para favorecer Donald Trump nas eleições dos EUA em 2016.

Como diminuir os perigos?

Para evitar novos vazamentos, as plataformas têm bloqueado a coleta de dados por robôs e lançado novas opções de privacidade. Mas como nem sempre é possível evitar as ações de hackers e bots, o usuário deve tomar o máximo cuidado para que as suas informações não caiam em mãos erradas.

Dessa forma, aumentar a privacidade dos seus perfis nas redes sociais consiste em uma boa medida para reduzir as chances de que os dados sejam coletados por scraping. Uma dica interessante é limitar a visualização das informações e postagens apenas para seguidores, modificando a configuração da conta.

Esta revisão da privacidade deve ser feita em todas as plataformas, deixando o mínimo possível de dados em aberto.

Fontes: Techmundo, Avast e Zyte