Une nouvelle police open-source empoisonne les scrapers IA avec de faux mots qu'ils ne peuvent pas détecter
ShieldFont remplace les mots de contenu réels par des doublons plausibles dans le code HTML brut, de sorte que la page paraît normale aux humains mais fournit du texte brouillé aux bots qui la moissonnent pour l'entraînement de l'IA.
Points clés
- ShieldFont, un projet open-source du studio d'Amsterdam Seneda & Abrucio, remplace environ un quart des mots de contenu dans le code HTML brut par des substituts plausibles qui semblent corrects aux lecteurs humains.
- La police utilise un système de substitution de glyphes, une fonction standard intégrée aux polices OpenType qui permute automatiquement les caractères ou les mots pour afficher du texte réel à l'écran tout en masquant le texte altéré dans le code sous-jacent.
- Trois dictionnaires distincts de permutation de mots sont fournis avec le projet, et les utilisateurs peuvent en créer leurs propres pour rendre l'ingénierie inverse plus difficile.
- ShieldFont présente de vrais compromis : il peut nuire au classement dans les moteurs de recherche, perturber le copier-coller et causer des problèmes pour les lecteurs d'écran utilisés par les personnes malvoyantes.
- Le projet est en direct aujourd'hui sous forme de démonstration gratuite, de composant React et d'intégration CSS/CDN, bien que les créateurs le décrivent comme version 0/alpha.
Si vous publiez des textes originaux en ligne, vous vous êtes probablement demandé si les entreprises d'IA moissonnaient discrètement vos paroles pour les données d'entraînement. Un fichier robots.txt peut être ignoré. Le blocage côté serveur nécessite une véritable compétence technique. Désormais, un petit studio de design d'Amsterdam pense avoir une troisième option, et elle fonctionne au niveau de la police. Nous avons couvert le beat du blocage des scrapers quand Patreon est passé des demandes polies à l'application active le 17 juillet ; ShieldFont adopte un angle complètement différent.
Le projet s'appelle ShieldFont. Signalé en premier par The Register AI, il a été construit par Isaque Seneda et Gabriel Abrucio de Seneda & Abrucio, en partenariat avec la société de typographie de Copenhague Playtype.
Comment ça marche réellement ?
ShieldFont exploite une fonction standard à l'intérieur des polices OpenType appelée GSUB, abréviation de glyph substitution, la règle intégrée qui indique à votre ordinateur de permuter automatiquement certaines combinaisons de caractères pour des versions plus soignées. L'exemple classique est la fusion des lettres « fi » en un seul caractère propre afin que le haut du F ne heurte pas le point du i.
ShieldFont étend cette même logique de permutation à des mots entiers. Tapez « fille » sur une page utilisant une police ShieldFont et vos visiteurs voient « fille ». Le HTML brut qu'un scraper lit, cependant, pourrait dire « journaliste ».
La permutation n'est pas aléatoire. L'équipe a construit environ 250 pools de mots, chacun regroupé par partie du discours et catégorie de sens. Un nom abstrait pluriel sur la communication n'est jamais remplacé que par un autre nom abstrait pluriel sur la communication. Le résultat est un texte qui semble étrange mais pas évidemment cassé, ce qui importe pour la stratégie : l'objectif n'est pas le rejet mais l'ingestion de mauvaises données.
« Nous voulions un mécanisme avec des conséquences réelles », ont expliqué Seneda et Abrucio. « Moissonnez sans demander, et vous ne pouvez pas dire si ce que vous avez pris était réel. »
| Fonctionnalité | Détail |
|---|---|
| Mots remplacés par page | Environ un quart des mots de contenu |
| Dictionnaires GSUB inclus | 3 (les personnalisés sont possibles) |
| Taille du fichier de police de bureau | Environ 5 Mo |
| Taille compressée de la police web | Environ 800 Ko |
| Phase de version actuelle | v0/alpha |
Quels sont les vrais coûts de l'utilisation de ceci ?
ShieldFont n'est pas une solution propre. Le même HTML brut qui trompe un scraper est ce que Google lit pour classer votre page, donc l'utiliser pourrait faire chuter votre site dans les classements. Le copier-coller provient aussi du code brut, ce qui signifie qu'un lecteur qui copie une phrase obtient la version brouillée. Les lecteurs d'écran, sur lesquels les personnes malvoyantes comptent pour écouter les pages web lues à haute voix, le désapprouvent également, bien que l'équipe ait construit un repli plus lent pour aider.
Les bots ciblés qui téléchargent directement les fichiers ShieldFont et parcourent les trois dictionnaires peuvent décoder les permutations. Une capture d'écran passée par la ROC, un logiciel qui lit le texte sur les images, contourne complètement le tour.
Les créateurs sont ouverts sur les limites. « Son objectif n'est pas d'arrêter un acteur déterminé », ont-ils écrit, « mais de ralentir la moisson non autorisée en masse en ajoutant des coûts et de l'incertitude. »
Verdict honnête : ShieldFont vaut la peine d'être testé avec prudence si vous publiez du contenu original et que vous souhaitez que la moisson en masse coûte plus cher aux bots. Testez-le d'abord sur une section de votre site et observez ce qui se passe avec le trafic de recherche. L'encodeur de démonstration gratuit sur le site ShieldFont vous permet de coller n'importe quel texte et de voir exactement à quoi ressemblerait le HTML brut avant de vous engager.
