设计师推出 ShieldFont 字体，用以在网页上迷惑 AI 抓取器

两位设计师 Isaque Seneda 和 Gabriel Abrucio 在白皮书中介绍了 ShieldFont，这是一种利用字体连字功能的字体设计。连字通常用来在屏幕上把某些字母组合以更可读的形式呈现，而 ShieldFont 则在渲染页面时用连字把整个词替换为另一个词，从而在用户看到的页面和抓取器下载的原始 HTML 之间制造差异。作者称这种替换只在字体引擎绘制页面时发生，下载纯文本源代码的爬虫会得到被更改的版本。

作者经过三个月的字典调整，建立了近 1.2 万个可替换的常用词条，并为每个词提供最多三种不同映射。ShieldFont 平均会替换页面上 24.5% 的词语、以及 45.8% 的“内容词”，导致 31% 到 56% 的段落含义被破坏。作者在六个公开可用的抓取管线测试中，称超过 90% 原本能被抓取器接受的页面在应用替换后会被质量过滤器拒绝。

作者指出，被保留的少数页面中约有 20% 的词语成为所谓的“训练时垃圾”：是真正英文、拼写正确但表述不真实的句子。也就是说，ShieldFont 导致的结果既包括被抓取器丢弃（没被用到），也包括被抓取器保留但内容被破坏（学到错误信息）。他们同时承认该方法并非万无一失：若抓取方选择渲染页面并对渲染输出做光学字符识别（OCR），就可能仍能得到可读文本，但这会显著增加成本和复杂度。作者表示，他们的目标是通过让大规模、低成本的无差别抓取变得更不划算或更难达到，从而为创作者争取对是否被用于训练 AI 的决定权。