- 28,726
- 46
- 8 Ноя 2022
ShieldFont путает алгоритмы сбора данных для обучения ИИ.
<div class="articl-text-cover" style="position:relative;width:100%;max-width:800px;margin-left:auto;margin-right:auto;aspect-ratio:1200/675;margin-bottom:2rem;overflow:hidden">
<div itemprop="articleBody">Создатели ShieldFont предложили новый способ защищать тексты на сайтах от сбора для обучения нейросетей. Посетитель страницы видит обычный авторский материал, но программа-скрейпер считывает из HTML-кода другие слова. Полученный текст сохраняет правильную грамматику, однако теряет исходный смысл и может испортить данные, на которых обучают модели искусственного интеллекта.
При обычном просмотре страница со ShieldFont выглядит привычно. Человек видит существительные, глаголы, прилагательные и наречия, написанные автором. Однако исходный HTML-код содержит другие слова. Например, фраза good luck reading this, you useless robot после обработки превращается для скрейпера в good comfort reading this, you yellow barrier. Проверить работу технологии можно через онлайн-кодировщик .
ShieldFont не создает случайный набор символов. Система подбирает замену из той же грамматической и смысловой категории, поэтому существительное не превращается в глагол, а прилагательное не занимает место наречия. Согласно техническому описанию проекта , разработчики разделили словарь примерно на 250 групп с учетом части речи, значения, конкретности, числа, переходности глагола, формы слова и степени сравнения прилагательного.
В среднем ShieldFont заменяет около четверти слов. Получившийся текст должен выглядеть достаточно связным, чтобы автоматический сборщик принял материал за необычный, но пригодный для обработки контент. Отказ скрейпера от загрузки также защищает публикацию, поскольку материал не попадает в набор данных для обучения модели.
Технология использует механизм подстановки глифов GSUB в шрифтах OpenType. Обычно GSUB объединяет несколько букв в лигатуру или автоматически заменяет последовательность символов. ShieldFont расширяет механизм до целых слов. Исходный HTML-код может содержать слово journalist, а браузер при помощи специального шрифта покажет посетителю слово daughter.
Разработчики подготовили три словаря подстановок и опубликовали в репозитории GitHub инструкцию по созданию собственных вариантов. Индивидуальные соответствия между словами усложняют обратную разработку защиты. Размер шрифта для настольных документов составляет около пяти мегабайт, а сжатая веб-версия с полным словарем занимает примерно 800 КБ.
В основу стандартного шрифта ShieldFont легла модифицированная версия Optik от датской студии Playtype. Проект создали дизайнеры амстердамской студии Seneda & Abrucio совместно со специалистами Playtype.
Полной защиты от целенаправленного сбора ShieldFont не дает. Скрейпер может сделать снимок страницы и распознать текст через OCR, анализировать уже отрисованное содержимое вместо HTML-кода или скачать шрифт вместе со словарями GSUB. После изучения подстановок автоматическая система сможет восстановить исходные слова.
Использование ShieldFont также создает риски для поискового продвижения и доступности. Поисковые роботы анализируют HTML-код и могут проиндексировать подмененный текст. Проблемы могут возникнуть у переводчиков, функций копирования и вставки, а также программ экранного доступа. Разработчики предусмотрели отдельный режим для скринридеров, но обработка текста занимает больше времени.
Авторы проекта не пытаются остановить подготовленного оператора. ShieldFont должен замедлить массовый несанкционированный сбор, увеличить расходы скрейперов и лишить собранные данные предсказуемости. До загрузки страницы автоматическая система не знает, использует ли сайт защитный шрифт и какой словарь подстановок выбрал владелец ресурса.
ShieldFont уже доступен в предварительной альфа-версии. Онлайн-кодировщик генерирует защищенный HTML-код для вставки на сайт. Разработчики также выпустили компонент для React и варианты подключения через CSS и CDN. Инструкции по установке опубликованы на сайте ShieldFont и в репозитории проекта .
<div class="articl-text-cover" style="position:relative;width:100%;max-width:800px;margin-left:auto;margin-right:auto;aspect-ratio:1200/675;margin-bottom:2rem;overflow:hidden">
<div itemprop="articleBody">Создатели ShieldFont предложили новый способ защищать тексты на сайтах от сбора для обучения нейросетей. Посетитель страницы видит обычный авторский материал, но программа-скрейпер считывает из HTML-кода другие слова. Полученный текст сохраняет правильную грамматику, однако теряет исходный смысл и может испортить данные, на которых обучают модели искусственного интеллекта.
При обычном просмотре страница со ShieldFont выглядит привычно. Человек видит существительные, глаголы, прилагательные и наречия, написанные автором. Однако исходный HTML-код содержит другие слова. Например, фраза good luck reading this, you useless robot после обработки превращается для скрейпера в good comfort reading this, you yellow barrier. Проверить работу технологии можно через онлайн-кодировщик .
ShieldFont не создает случайный набор символов. Система подбирает замену из той же грамматической и смысловой категории, поэтому существительное не превращается в глагол, а прилагательное не занимает место наречия. Согласно техническому описанию проекта , разработчики разделили словарь примерно на 250 групп с учетом части речи, значения, конкретности, числа, переходности глагола, формы слова и степени сравнения прилагательного.
В среднем ShieldFont заменяет около четверти слов. Получившийся текст должен выглядеть достаточно связным, чтобы автоматический сборщик принял материал за необычный, но пригодный для обработки контент. Отказ скрейпера от загрузки также защищает публикацию, поскольку материал не попадает в набор данных для обучения модели.
Технология использует механизм подстановки глифов GSUB в шрифтах OpenType. Обычно GSUB объединяет несколько букв в лигатуру или автоматически заменяет последовательность символов. ShieldFont расширяет механизм до целых слов. Исходный HTML-код может содержать слово journalist, а браузер при помощи специального шрифта покажет посетителю слово daughter.
Разработчики подготовили три словаря подстановок и опубликовали в репозитории GitHub инструкцию по созданию собственных вариантов. Индивидуальные соответствия между словами усложняют обратную разработку защиты. Размер шрифта для настольных документов составляет около пяти мегабайт, а сжатая веб-версия с полным словарем занимает примерно 800 КБ.
В основу стандартного шрифта ShieldFont легла модифицированная версия Optik от датской студии Playtype. Проект создали дизайнеры амстердамской студии Seneda & Abrucio совместно со специалистами Playtype.
Полной защиты от целенаправленного сбора ShieldFont не дает. Скрейпер может сделать снимок страницы и распознать текст через OCR, анализировать уже отрисованное содержимое вместо HTML-кода или скачать шрифт вместе со словарями GSUB. После изучения подстановок автоматическая система сможет восстановить исходные слова.
Использование ShieldFont также создает риски для поискового продвижения и доступности. Поисковые роботы анализируют HTML-код и могут проиндексировать подмененный текст. Проблемы могут возникнуть у переводчиков, функций копирования и вставки, а также программ экранного доступа. Разработчики предусмотрели отдельный режим для скринридеров, но обработка текста занимает больше времени.
Авторы проекта не пытаются остановить подготовленного оператора. ShieldFont должен замедлить массовый несанкционированный сбор, увеличить расходы скрейперов и лишить собранные данные предсказуемости. До загрузки страницы автоматическая система не знает, использует ли сайт защитный шрифт и какой словарь подстановок выбрал владелец ресурса.
ShieldFont уже доступен в предварительной альфа-версии. Онлайн-кодировщик генерирует защищенный HTML-код для вставки на сайт. Разработчики также выпустили компонент для React и варианты подключения через CSS и CDN. Инструкции по установке опубликованы на сайте ShieldFont и в репозитории проекта .
- Источник новости
- www.securitylab.ru
