Egy dizájnstúdió és egy tipográfiai műhely nyilvánosságra hozta a ShieldFont nevű, nyílt forráskódú OpenType betűtípust, amelyet kifejezetten arra terveztek, hogy megtévessze az automatizált adatgyűjtőket. A betűtípus glyph-helyettesítést alkalmaz: emberi olvasáskor a weboldal normál szövegként jelenik meg, miközben a letöltött, nyers HTML-ben szereplő karakterek és szavak részben meg vannak változtatva.
Hogyan működik
- A ShieldFont nem blokkolja a lekéréseket; ehelyett a megjelenített és a ténylegesen a DOM-ban szereplő karakterek között különbséget hoz létre.
- A fejlesztők szerint a szócsere aránya körülbelül egynegyed: a szavak nagyjából 25%-a cserélődik más, azonos nyelvtani osztályba tartozó szóra.
- Példaként említik, hogy egy oldal „daughter” (lány) szava a kisebb felhasználói felület hibátlan megjelenítése mellett a nyers forrásban többek között „journalist” (újságíró) szóként olvasható.
Miért csinálják
A készítők célja nem az, hogy a scrapperek leálljanak vagy hibaüzenetet kapjanak, hanem az, hogy a lekért adatok megbízhatatlanná váljanak. Amíg egy weboldal a felhasználó számára érthető és helyes marad, a letöltött adatokban szereplő részleges hamisítás miatt a nagy nyelvi modelleket és egyéb AI-rendszereket tanító gyűjtemények pontossága csökkenhet. A gondolatmenet az, hogy ha a scraping megállíthatatlan, akkor a védelmi stratégia legyen: megmérgezni azt, amit illetéktelenül visznek el.
Gyakorlati és etikai következmények
- Jog és hozzáférés: a megközelítés nem akadályozza meg technikailag a hozzáférést, de rontja annak értékét, így üzleti modellként is alkalmazható: tiszta, ellenőrzött adathoz való hozzáférés fizetőssé tehető.
- Adatok minősége: a tanulóadatokban megjelenő rejtett zaj tovább csökkentheti a modellek megbízhatóságát, és félrevezető összefüggésekhez vezethet.
- Átláthatóság és visszaélések: a módszer szándéka kettős lehet — védelmet nyújt a jogosulatlan adatfelhasználás ellen, de zavaró vagy káros hatással is lehet azokban az alkalmazásokban, amelyek a webes tartalom pontos elemzésére támaszkodnak (például hírszűrés, kutatás, archiválás).
A webes gyakorlatok kontextusa
A cikk megjegyzi, hogy a webhelyek évek óta udvarias kérelemmel élnek a scrapperek felé (például robots.txt fájlban), de ez sok esetben nem állította meg az automatizált gyűjtést. A ShieldFont filozófiája az, hogy a hagyományos „kérjük, ne” megközelítést felváltja a „ha elviszed, fizess vagy kapod a mérgezett adatokat” taktikája: nem kerítés, hanem fenyegetés.
Mi számít fontosnak?
A megoldás technikai és jogi hatásai attól függenek, hogyan terjed el és hogyan használják: nyílt forráskódú mivolta miatt bárki hozzáférhet és beillesztheti saját oldalába, ami gyors elterjedést és széles körű vitát valószínűsít a webes etika, a szerzői jog és az adatvédelem területén. Mivel a közzétevők nevei és pontos bevezetési dátumok a forrásban nem szerepelnek, a további részletek és gyakorlati hatások az implementációk és a jogi értelmezések függvényei lesznek.
Következtetés
A ShieldFont egy új megközelítést képvisel az automatizált adatgyűjtéssel szemben: nem a hozzáférés megakadályozására törekszik, hanem az adatok megbízhatóságának aláásására. Ez a stratégia technikai és etikai kérdéseket is felvet, és várhatóan vitát indít arról, hogy a webes tartalom tulajdonosai milyen eszközökkel védhetik meg értékes adatforrásaikat az illetéktelen felhasználástól.
