对抗AI爬虫的新武器：一款字体

AI 公司热衷于大规模抓取公共网络来获取宝贵的训练数据，这一行为已经引发了法律诉讼和各种技术手段来遏制它。如今，两位设计师另辟蹊径，希望能用一款新字体来阻击爬虫——这款字体让人类读者看到的是正常可读的网页，但在底层 HTML 中呈现给爬虫的却是一个经过细微修改、毫无意义的版本。

这款字体名为 ShieldFont，据设计师 Isaque Seneda 和 Gabriel Abrucio 在最近发表的论文中所述，其目的是为网站发布者提供"一个切实可行的方式，使其内容免被未经授权的 AI 训练使用，并在该选择被忽视时破坏所抓取的数据"。

马什么时候变成土豆？

这款字体的核心是连字（ligatures）——许多字体中由来已久的一个特性，通常用于将相邻的字母对替换为更易读的形式。但 ShieldFont 反其道而行之：利用连字将整个单词替换成其他单词，以此摧毁文本对爬虫的价值。这种替换只在字体引擎将页面绘制到屏幕上时才发生，也就是说，那些只抓取纯文本源码的爬虫会得到一个被篡改的版本，而真实用户看到的则不受影响。

然而，在欺骗 AI 爬虫这件事上，并非所有基于连字的替换策略都同样有效。简单地把常用词替换成同义词或反义词，对于聪明的爬虫来说太容易被还原；而如果替换成完全无关的乱码，又可能被智能过滤机制检测出来（甚至被绕过）。