Вышел бесплатный шрифт ShieldFont, который скармливает ИИ-ботам бессмыслицу
Читайте в Telegram
|
Энтузиасты представили ShieldFont — бесплатный шрифт с открытым исходным кодом, который защищает тексты на сайтах от автоматического сбора для обучения нейросетей.
Инструмент создали бразильское креативное агентство Seneda & Abrucio и датская студия Playtype. Причина появления проста: публикация текста в открытом доступе сегодня означает, что его могут скопировать десятки ИИ-ботов, а привычная защита через файл robots.txt работает лишь при условии, что боты сами соглашаются её соблюдать, — что они делают не всегда.
ShieldFont действует хитрее, чем прямая блокировка. Это шрифт формата OpenType с подменой символов: в браузере человек видит исходный авторский текст, а программа-скрейпер, анализирующая HTML-код страницы, получает совсем другой набор слов. Подставной текст остаётся грамматически правильным и выглядит связным, но полностью теряет исходный смысл. Расчёт в том, чтобы «отравленная» версия не была отброшена на первом же этапе фильтрации и попала в обучающий набор, испортив данные. По тестам самих разработчиков, 55,8% проверенных фрагментов после обработки не соответствовали исходным фактам.
Однако полной защиты инструмент не обеспечивает, и авторы этого не скрывают. Вся схема держится на том, что бот читает код, а не изображение на экране, — поэтому её можно обойти: достаточно сделать скриншот страницы и распознать реальные слова через технологию оптического распознавания символов (OCR). Защита также не сработает, если скрейпер анализирует картинку страницы вместо HTML или заранее скачает сам шрифт и словарь замен.
Есть и побочные эффекты. ShieldFont может ухудшить позиции сайта в поиске: поисковые системы читают тот же исходный HTML-код, что и боты, а значит, видят ту же бессмыслицу. Кроме того, подмена способна помешать копированию текста, автоматическому переводу страниц и — что особенно важно — работе программ экранного доступа, которыми пользуются незрячие люди. Таким образом, ShieldFont скорее делает массовый сбор контента менее выгодным и более трудоёмким, чем полностью его исключает.
