Cloudflare,作为全球最大的互联网基础设施公司之一,近日宣布推出了一款名为"AI 迷宫"的新工具,用于对抗未经许可爬取网站数据用于 AI 训练的爬虫机器人。该公司在一篇博客文章中表示,当检测到"不当的机器人行为"时,这个免费的选择性工具会将爬虫引导至一系列 AI 生成的诱饵页面链接中,从而"减缓、混淆并浪费"这些恶意行为者的资源。
长期以来,网站一直使用基于信任机制的 robots.txt 文件来授予或拒绝爬虫的访问权限,但包括 Anthropic 和 Perplexity AI 在内的知名 AI 公司都被指控无视这一规则。Cloudflare 表示,他们每天要处理超过 500 亿次网络爬虫请求。尽管公司已经具备识别和阻止恶意爬虫的工具,但这往往会促使攻击者改变策略,形成"永无止境的军备竞赛"。
Cloudflare 表示,AI 迷宫不是简单地阻止机器人,而是通过让它们处理与网站实际数据无关的内容来进行反击。该公司称这也是"新一代蜜罐",能够吸引 AI 爬虫不断深入追踪虚假页面的链接,而普通用户则不会这样做。这使得 Cloudflare 更容易将恶意机器人的特征录入黑名单,同时识别出原本无法发现的"新型机器人模式和特征"。根据博文介绍,这些链接对普通用户应该是不可见的。
您可以在 Cloudflare 的博客上了解更多关于 AI 迷宫的工作原理,以下是博文中的更多细节:
"我们发现,首先生成各种不同的主题,然后为每个主题创建内容,能够产生更加多样化和令人信服的结果。对我们来说,避免生成可能导致互联网上虚假信息传播的不准确内容非常重要,因此我们生成的内容都是真实的,并且与科学事实相关,只是与被爬取的网站内容无关且不具专有性。"
网站管理员可以通过进入其 Cloudflare 控制面板设置的机器人管理部分并开启相关功能来选择使用 AI 迷宫。该公司表示,这"只是利用生成式 AI 对抗机器人的第一步"。他们计划创建"完整的链接 URL 网络",使陷入其中的机器人难以识别出这些内容是虚假的。正如 Ars Technica 所指出的,AI 迷宫与 Nepenthes 工具类似,后者旨在将爬虫困在 AI 生成的垃圾数据地狱中长达"数月之久"。
好文章,需要你的鼓励
数据分析平台公司Databricks完成10亿美元K轮融资,公司估值超过1000亿美元,累计融资总额超过200亿美元。公司第二季度收入运营率达到40亿美元,同比增长50%,AI产品收入运营率超过10亿美元。超过650家客户年消费超过100万美元,净收入留存率超过140%。资金将用于扩展Agent Bricks和Lakebase业务及全球扩张。
Meta与特拉维夫大学联合研发的VideoJAM技术,通过让AI同时学习外观和运动信息,显著解决了当前视频生成模型中动作不连贯、违反物理定律的核心问题。该技术仅需添加两个线性层就能大幅提升运动质量,在多项测试中超越包括Sora在内的商业模型,为AI视频生成的实用化应用奠定了重要基础。
医疗信息管理平台Predoc宣布获得3000万美元新融资,用于扩大运营规模并在肿瘤科、研究网络和虚拟医疗提供商中推广应用。该公司成立于2022年,利用人工智能技术提供端到端平台服务,自动化病历检索并整合为可操作的临床洞察。平台可实现病历检索速度提升75%,临床审查时间减少70%,旨在增强而非替代临床判断。
上海AI实验室发布OmniAlign-V研究,首次系统性解决多模态大语言模型人性化对话问题。该研究创建了包含20万高质量样本的训练数据集和MM-AlignBench评测基准,通过创新的数据生成和质量管控方法,让AI在保持技术能力的同时显著提升人性化交互水平,为AI价值观对齐提供了可行技术路径。