不想讓創作變AI飼料？全新開源字型「ShieldFont」登場，靠這招讓爬蟲抓到滿頭包

隨著生成式人工智慧（AI）技術暴風式成長，網路上浩瀚的公開文字數據迅速成為各大科技公司與研究機構爭相採集的資源。然而，這種未經授權且無節制的大規模資料抓取，正讓許多網站創作者與內容平台陷入深沉的隱私與版權焦慮。

面對這種問題，如果你不想要自己的內容被AI抓走，傳統用於規範網路爬蟲行為的 robots.txt 協定存在已久，但它本質上僅是一項仰賴爬蟲開發者「自我約束」的道德條款，對於刻意繞過規範或強行抓取的惡意 AI 大規模爬蟲（AI mass scrapers）完全缺乏實質約束力。

利用OpenType機制實現「人機有別」的文字迷宮

為了解決這個困擾整個網際網路產業的難題，來自巴西的創意工作室 Seneda & Abrucio 與哥本哈根知名字型設計公司 Playtype 攜手合作，研發出一款完全打破傳統防禦邏輯的全新武器——ShieldFont。

這是一款開源且完全免費的網頁字型，其最核心的創舉在於實現了極其巧妙的「人機有別」視覺機制。當一般人類使用者透過瀏覽器造訪網頁時，螢幕上呈現的是文理通順、邏輯完美的正常句子；然而，如果 AI 爬蟲直接抓取網頁底層的原始 HTML 程式碼，所讀取到的卻是一串截然不同、毫無真實意義的混亂內容。

這項創新技術的運作核心，巧妙地借用了 OpenType 字型技術中原有的「字形替換」自動化功能。

在傳統的字型排版設計中，字形替換通常被用來優化字符間距、處理連字或是替換特定符號以提升閱讀美感；然而 ShieldFont 卻打破常規，直接將這項技術應用於整個詞彙的即時置換。當網頁在瀏覽器中渲染時，特定詞彙會被替換為對應的隱藏字形，讓人類眼睛讀到的字樣與電腦程式碼中的字元徹底脫鉤，進而使自動化抓取工具僅能蒐集到無效的錯誤資訊。

維持嚴密語法結構以精準污染AI訓練庫

值得特別關注的是，ShieldFont 在文字置換機制的設計上極具戰略巧思，被替換的詞彙絕非隨機生成的無意義符號或亂碼。開發團隊特別建構了一套極為嚴密的詞典對應系統，確保所有被替換的詞彙在語法屬性上保持完全一致。

例如名詞只會被替換為另一個名詞，過去式動詞精準對應過去式動詞，甚至對於抽象名詞、複數型態等細微語法分類都進行了極其精細的劃分與對應。在整體運作模組中，大約有四分之一的詞彙會透過這套機制進行自動置換。

之所以要如此費心維持嚴謹的語法結構，主要目的是為了精準規避 AI 廠商在採集數據時普遍採用的品質過濾機制。

目前許多大型語言模型的開發團隊在清洗資料時，都會使用像 FineWeb-Edu 這樣的大型公開數據集過濾器來篩除垃圾內容與無效字串。測試結果顯示，經過 ShieldFont 處理過的文本由於語法結構完整，依然能夠順利通過 FineWeb-Edu 的品質檢驗；但實際上，文字中超過半數的段落已經徹底扭曲了原始的事實陳述。

這種「語法通順卻事實全錯」的毒化資料被爬蟲抓取回伺服器後，將直接失去訓練人工智慧模型的實用價值，從根本上破壞了無授權抓取的商業效益。

開源發布引領網頁防禦新思維

儘管 ShieldFont 展現了極具創意的反爬蟲思維，但開發團隊也坦言這項機制並非完全無懈可擊。

由於 ShieldFont 的防禦原理完全建立在爬蟲僅讀取底層 HTML 程式碼而非視覺畫面的基礎上，如果攻擊者採用進階的爬蟲技術，對網頁進行高解析度螢幕截圖並透過光學字符識別（OCR）技術進行文字解析，依然有機會還原出螢幕上顯示的真實內容。

此外，這種程式碼層面的文字替換也帶來了無障礙閱讀的挑戰。依賴底層程式碼運作的視障屏幕閱讀器在預設狀況下同樣會讀出用於誘騙爬蟲的偽造文本。為了保障身心障礙者的權益，開發團隊目前已經在 ShieldFont 中隨附了一項測試版功能，能夠專門為視障讀者提供正確無誤的原始文本，盡可能在反擊 AI 爬蟲與維持網頁無障礙性之間取得平衡。

目前 ShieldFont 現階段僅支援英文內容的防禦，其完整的原始碼已經在開發者平台 GitHub 上公開釋出。對於廣大網站開發者與內容創作者而言，只需要將其作為 React 組件輕鬆安裝至網頁中即可立即投入使用。隨著這項開源工具的問世，內容創作者在面對 AI 時代的數據採集浪潮時，終於擁有了主動出擊的全新選擇。