Este documento describe la "Internet invisible" o "Internet profunda", que se refiere a recursos en Internet que no pueden ser indizados por motores de búsqueda comunes como Google. Incluye información almacenada en bases de datos dinámicas, páginas web excluidas deliberadamente de la indización, y páginas que no pueden ser indizadas debido a limitaciones técnicas de los motores de búsqueda. El documento también clasifica los diferentes tipos de contenido invisible en la Web opaca, privada, propietaria y real

1. LECTURA DE
SOBRE LA
INTERNET
PROFUNDA O
INVISIBLE

2.  Se denomina 'Internet invisible' o Infranet al
conjunto de recursos accesibles únicamente a
través de algún tipo de pasarela o formulario Web
que por tanto, no pueden ser indicados de forma
estructural por los robots de los buscadores.
 Es toda la información a la cual no acceden los
buscadores comunes. Generalmente, es
información almacenada y accesible mediante
base de datos. Se llama Internet invisible al
conjunto de recursos Web a los que se consigue
acceder de manera indirecta y habitualmente
con alguna restricción, cuyo contenido
permanece vedado a la indización de los robots
de búsqueda de los buscadores.
DEFINICIÓN:

3. TIPOS DE INTERNET GLOBAL:
 Red de información libre y gratuita
que es accesible mediante la
interconexión de ordenadores. La
forma de acceso se realiza
mediante programas
navegadores, Chats, mensajería o
intercambio de protocolos (FTP,
P2P). Internet invisible: Información
que está disponible en Internet
pero que únicamente es accesible
a través de páginas generadas
dinámicamente tras realizar una
consulta en una base de datos.
 Es inaccesible mediante los
procesos habituales de
recuperación de la información
que realizan buscadores,
directorios y agentes de
búsqueda. Los servidores o host
que son totalmente inaccesibles
desde nuestro ordenador.

4. TIPOS DE INFORMACIÓN:
 Bases de datos: los
buscadores sólo
proporcionan acceso a la
página de inicio porque las
restantes son dinámicas.
Documentos en formato
pdf, word: los motores de
búsquedas fueron creados
sólo para localizar e indizar
páginas html, aunque
actualmente Google indiza
documentos en formato
pdf, doc, xml. Páginas web
que no son indizadas por los
motores de búsqueda:
porque se excluyen ellas
mismas a través de un
protocolo.

5. CLASIFICACIÒN DE INTERNET
INVISIBLE:
 Sherman y Price (2001) identifican cuatro
tipos de contenidos invisibles en la Web:
 la Web opaca (the opaque Web),
 la Web privada (the private Web),
 la Web propietaria (the proprietary Web)
y la Web realmente invisible (the truly
invisibleWeb).

6. WEB OPACA
 Se compone de archivos que
podrían estar incluidos en los
índices de los motores de
búsqueda, pero no lo están
por alguna de estas razones:
 Extensión de la indización: por
economía, no todas las
páginas de un sitio son
indizadas en los buscadores.
 Frecuencia de la indización:
los motores de búsqueda no
tienen la capacidad de indizar
todas las páginas existentes;
diariamente se añaden,
modifican o desaparecen
muchas y la indización no se
realiza al mismo ritmo.

7. WEB PRIVADA
 Consiste en las páginas Web
que podrían estar indizadas
en los motores de búsqueda
pero son excluidas
deliberadamente por
alguna de estas causas:
 Las páginas están protegidas
por contraseñas (passwords).
 Contienen un archivo
“robots.txt” para evitar ser
indizadas.
 Contienen un campo
“noindex” para evitar que el
buscador índice la parte
correspondiente al cuerpo
de la página.

8. WEB PROPIETARIA
Incluye aquellas páginas en las que es
necesario registrarse para tener acceso al
contenido, ya sea de forma gratuita o
pagada. Se dice que al menos 95% de la
Web profunda contiene información de
acceso público y gratuito (Turner, 2003)

9. WEB REALMENTE INVISIBLE
 Se compone de páginas que no pueden ser
indizadas por limitaciones técnicas de los
buscadores, como las siguientes:
 Páginas Web que incluyen formatos como PDF,
PostScript, Flash, Shockwave, programas
ejecutables y archivos comprimidos.
 Páginas generadas dinámicamente, es decir, que
se generan a partir de datos que introduce el
usuario. Información almacenada en bases de
datos relacionales, que no puede ser extraída a
menos que se realice una petición específica.
Otra dificultad consiste en la variable estructura y
diseño de las bases de datos, así como en los
diferentes procedimientos de búsqueda.

10. METABUSCADORES
Un metabuscador es
una clase de buscador
que carece de base de
datos propia y, en su
lugar, usa las de otros
buscadores y muestra
una combinación de
las mejores páginas
que ha devuelto cada
buscador. EJEMPLO:
IXQUICK MAMMA
VIVISIMO GLUSTY