Documentación Mercado Libre

Descubre toda la información que debes conocer sobre las APIs de Mercado Libre.
circulos azuis em degrade

Documentación

Última actualización 30/03/2026

Monitoreo

Registro de eventos y auditoría

Los logs son esenciales para detectar incidentes, investigar problemas y cumplir requisitos de auditoría. Sin embargo, logs mal implementados pueden exponer información sensible.

Eventos recomendados a registrar

  • Autenticación: login exitoso, login fallido, logout, cambios de contraseña, entre otros.
  • Autorización: accesos denegado/concedidos, cambios de permisos, cambios de rol, entre otros.
  • Operaciones críticas: cambios de configuración, CRUD de datos, seguimiento a transacciones, generación de informes, entre otras.
  • Seguridad: rate limits alcanzados y errores generados por la activación de un control.

✅ EJEMPLO DE LOG COMPLETO:

{
  "timestamp": "2026-01-15T10:30:45.123Z",
  "user_id": "12345",
  "action": "view_order",
  "resource": "order/67890",
  "result": "success",
  "ip": "192.168.1.100",
  "request_id": "abc123-def456"
}

Información importante a incluir:

  • Timestamp: fecha y hora en UTC.
  • Usuario: id del usuario en cuestión.
  • Acción: ¿Qué se intentó hacer?
  • Recurso: ¿Sobre qué recurso?
  • Resultado: Éxito o fallo.
  • IP origen: dirección IP de la petición.
  • Request ID: identificador único por petición para correlación.

Información a NO incluir:

  • Contraseñas o tokens.
  • Datos personales completos (emails, teléfonos, direcciones, entre otros).
  • Datos financieros.
  • Cualquier otro tipo de información que se considere confidencial.

Referencias


Glosario

Término Significado
Log Registro de eventos que ocurren en tu sistema.
Auditoría Revisión de logs para verificar qué pasó, cuándo y quién lo hizo.
Timestamp Marca de tiempo que indica cuándo ocurrió un evento.
RequestID Identificador único para rastrear una petición a través de todo el sistema.
Evento de seguridad Acción relevante para seguridad: login, logout, cambio de permisos, acceso denegado, etc.
Retención de logs Por cuánto tiempo guardan los registros antes de eliminarlos.

Gestión de anomalías

Detectar anomalías a tiempo puede ser la diferencia entre prevenir un incidente y sufrir una brecha de seguridad. Si no monitoreas tu sistema, los atacantes pueden operar durante días o semanas sin ser detectados.

SIN GESTIÓN DE ANOMALÍAS CON GESTIÓN DE ANOMALÍAS
Te enteras del problema cuando un seller se queja Recibes alerta automática antes de que afecte a usuarios
No sabes si hay ataques en curso Detectas patrones sospechosos en tiempo real
Investigas manualmente cada problema El sistema prioriza y categoriza automáticamente
Reaccionas tarde Actúas proactivamente

Tipos de anomalías

No todas las anomalías son iguales. Entender los tipos te ayuda a configurar mejor tus alertas:

Anomalías puntuales:

Un evento único que se desvía significativamente de lo normal:

MONITOREO DE SEGURIDAD: DETECCION DE ANOMALIAS
---------------------------------------------

ESTADO NORMAL:
Frecuencia: 5-10 logins fallidos por hora

ESTADO ANOMALIA:
Frecuencia: 500 logins fallidos en 1 minuto

INTERPRETACION TECNICA:
Diagnostico: Posible ataque de fuerza bruta

Anomalías contextuales:

Un evento que es normal en un contexto pero anómalo en otro.

MONITOREO DE SEGURIDAD: ANALISIS DE HORARIOS
-------------------------------------------

NORMAL:
Alto tráfico de 9am a 6pm (horario laboral)

ANOMALIA:
Mismo tráfico alto a las 3am

INTERPRETACION TECNICA:
Diagnostico: Posible actividad automatizada maliciosa o bot

Anomalías colectivas:

Un grupo de eventos que juntos indican un problema, aunque individualmente parezcan normales.

MONITOREO DE SEGURIDAD: SECUENCIA DE EVENTOS SOSPECHOSA
------------------------------------------------------

FLUJO DETECTADO:
1. Login exitoso desde Argentina
2. Cambio de contraseña
3. Actualización de email
4. Login desde Nigeria (5 min después)

ANALISIS TECNICO:
Cada evento por separado es normal, pero la secuencia
indica un posible account takeover.

Proceso de detección de anomalías

Un sistema efectivo de detección sigue estas fases:

CICLO DE DETECCION DE ANOMALIAS (FEEDBACK LOOP)
-----------------------------------------------

[ 1 ] RECOLECTAR DATOS
      - Logs, metricas y eventos de sistema.
        ^
        |
[ 2 ] ESTABLECER BASELINE
      - Definir parametros de comportamiento "Normal".
        |
        v
[ 3 ] DETECTAR DESVIACION
      - Comparacion en tiempo real contra el baseline.
        |
        v
[ 4 ] ALERTAR
      - Notificacion inmediata al equipo de seguridad.
        |
        v
[ 5 ] RESPONDER
      - Investigacion, contencion y escalamiento.
        |
        v
[ 6 ] MEJORAR / AJUSTAR
      - Refinar umbrales y logica de deteccion.
        |
        +------- RE-ALIMENTACION AL SISTEMA -------+

Fase 1: Recolectar datos

  • Centraliza logs de todos sus servicios.
  • Incluye: accesos, errores, transacciones, cambios de configuración.
  • Usa formato estructurado (JSON) para facilitar análisis.

Fase 2: Establecer baseline

  • Define qué es "comportamiento normal" para tu aplicación.
  • Considera: hora del día, día de la semana, temporadas (ej: Hot Sale).
  • El baseline debe actualizarse periódicamente.

Fase 3: Detectar desviaciones

  • Compra métricas actuales vs baseline.
  • Usa métodos estadísticos (Desviación estándar, percentiles).
  • Considera machine learning para patrones complejos.

Fase 4: Alertar

  • Notifica al equipo correcto (Slack, email, PagerDuty).
  • Incluye contexto suficiente para actuar.
  • Prioriza por severidad.

Fase 5: Responder

  • Investiga la causa raíz.
  • Escala si es necesario.
  • Documenta hallazgos.

Fase 6: Mejorar

  • Ajusta umbrales para reducir los falsos positivos.
  • Agrega nuevas métricas si descubres puntos ciegos.
  • Aprende de cada incidente.

Métricas sugeridas para monitoreo

METRICAS DE RENDIMIENTO Y SEGURIDAD
-----------------------------------------

Metrica: MTTD (Mean Time To Detect)
Descripcion: Tiempo promedio para detectar una anomalia
Umbral sugerido: < 15 minutos

Metrica: MTTR (Mean Time To Respond)
Descripcion: Tiempo promedio para responder
Umbral sugerido: < 1 hora

Metrica: False Positive Rate
Descripcion: % de alertas que no son problemas reales
Umbral sugerido: < 20%

Metrica: Alert Fatigue Score
Descripcion: Alertas ignoradas por el equipo
Umbral sugerido: < 5%

Metrica: Coverage
Descripcion: % de sistemas/servicios monitoreados
Umbral sugerido: 100%

Herramientas recomendadas

HERRAMIENTAS DE MONITOREO Y OBSERVABILIDAD
------------------------------------------

CATEGORIA: Monitoreo de infraestructura
Herramientas: Datadog, New Relic, Prometheus + Grafana
Nivel: Todos

CATEGORIA: Logging centralizado
Herramientas: ELK Stack, Splunk, Loki
Nivel: Intermedio

CATEGORIA: APM (Application Performance)
Herramientas: Datadog APM, New Relic, Dynatrace
Nivel: Intermedio

CATEGORIA: SIEM (Security focused)
Herramientas: Splunk, Elastic SIEM, Sumo Logic
Nivel: Avanzado

CATEGORIA: Alertas
Herramientas: PagerDuty, OpsGenie, Slack integrations
Nivel: Todos

ESTRATEGIA INICIAL (BAJO COSTO):
- Prometheus + Grafana (open source)
- ELK Stack (open source)
- Alertas via Slack webhooks

Referencias


Glosario

Término Significado
Anomalía Comportamiento inusual o fuera de lo esperado en tu sistema (ej: pico de errores, patrones de acceso extraños).
Baseline Línea base de comportamiento "normal" contra la cual comparar para detectar anomalías.
Alerta Notificación automática cuando se detecta una anomalía o se supera un umbral.
Umbral (Threshold) Límite definido que, al superarse, dispara una alerta (ej: más de 100 errores/minuto).
Dashboard Panel visual que muestra métricas y estado del sistema en tiempo real.
False positive Alerta que se dispara pero no corresponde a un problema real.
SIEM Security Information and Event Management - Sistema que centraliza y analiza logs de seguridad.


Siguiente: Gestión de incidentes.