Shieldfont: Diese Schrift füttert KI-Crawler mit Unsinn
Der Grundgedanke ist simpel und zugleich genial: Normalerweise scannen KI-Unternehmen das gesamte öffentlich zugängliche Web, um Trainingsmaterial zu sammeln. Diese Praxis hat bereits Klagen und technische Gegenmaßnahmen hervorgerufen. Isaque Seneda und Gabriel Abrucio wollen diesem Trend jetzt eine neue Waffe entgegenstellen. Ihr Projekt heißt Shieldfont(öffnet im neuen Fenster) und soll Website-Anbietern eine Möglichkeit geben, sich gegen unerlaubtes Scraping zu wehren.
Ein Pferd wird zur Kartoffel
Die neu entwickelte Schriftart arbeitet mit Ligaturen. Das sind spezielle Zeichenkombinationen, die aus der Typografie bekannt sind. Ersetzen sie normalerweise bestimmte Buchstabenpaare durch eine optisch ansprechende Version, so tauschen sie bei Shieldfont ganze Wörter gegen völlig andere aus. Der Clou daran: Diese Substitution passiert ausschließlich in der visuellen Darstellung auf dem Bildschirm. Scraper, die den reinen HTML-Quelltext auslesen, erhalten eine verfälschte Version, die die meisten Endnutzer niemals zu Gesicht bekommen.
Doch nicht jeder Worttausch ist gleich effektiv. Einfache Synonyme oder Antonyme wären für einen intelligenten Scraper leicht reversibel. Völliger Unsinn hingegen fällt zu schnell auf und lässt sich durch Filter ausmustern. Die Lösung von Shieldfont besteht darin, Wörter mit gleicher Wortart aber völlig anderem semantischem Kontext zu ersetzen, wie Ars Technica berichtet(öffnet im neuen Fenster). Ein Pferd wird zur Kartoffel, ein Regierungschef zum Gartenzwerg. Der Satz bleibt grammatikalisch intakt. Die Aussage wird komplett zerstört.
Im Durchschnitt ersetzt Shieldfont 24,5 Prozent aller Wörter einer Seite. Nach Aussagen der Designer sind so zwischen 31 und 56 Prozent aller Absätze eines Textes in ihrer Aussagekraft beeinträchtigt.
Katz-und-Maus-Spiel auf dem Datenhighway
Shieldfont ist keine hundertprozentige Abwehr. Jede für sehende Menschen lesbare Seite könnte theoretisch auch von einem KI-System erfasst werden, das die komplette Webseite rendert und optische Zeichenerkennung auf das Ausgabeimage anwendet. Dieser Ansatz erfordert jedoch einen enormen Mehraufwand.
Im Kontext des Barrierefreiheitsstärkungsgesetzes stellt sich zudem die Frage, ob derartige Schrift-Tricks es Screenreadern ermöglichen, die korrekten Texte vorzulesen. Der Täuschungstext wird Screenreadern gar nicht erst vorgelesen, weil er per aria-hidden aus dem Accessibility-Baum verschwindet. Ein Scraper, der einen Headless-Browser einsetzt, JavaScript ausführt und ein paar Sekunden wartet, bekommt diesen Text dann genauso wie ein Screenreader angezeigt.
- Anzeige Hier geht es zu Künstliche Intelligenz: Wissensverarbeitung bei Amazon Wenn Sie auf diesen Link klicken und darüber einkaufen, erhält Golem eine kleine Provision. Dies ändert nichts am Preis der Artikel.