替換二成詞彙就能擋住網路爬蟲？新字型 ShieldFont 使英文還是英文但 AI 讀不懂
新字型「ShieldFont」近日引發關注，設計者希望用它對抗 AI 公司大規模抓取網頁內容當成訓練資料。這套由 Isaque Seneda 與 Gabriel Abrucio 開發方案，主打讓一般讀者看到的頁面可正常閱讀，但底層 HTML 卻會送出替換過甚至語意扭曲的文字給網路爬蟲。
設計者白皮書說明，ShieldFont 目標是提供網站出版者「實際可行的退出機制」，拒絕未經授權的 AI 訓練；若對方仍執意抓取，也能讓收集到的內容失去價值。核心方法是利用字型常見的連字功能，將改善字母組合顯示的機制，改成螢幕渲染時整個單字替換成另一個詞。換句話說，使用者看到的是正常頁面，但只下載純文字原始碼的爬蟲，抓到的卻是無意義內容。
為了避免被輕易識破，ShieldFont 並非單純把詞語換成同義詞或亂碼，而是改用詞性相近、但資訊脈絡完全不同的字詞，如把「horse」換成「potato」。設計者表示，這樣一來，爬蟲即使通過初步品質篩選，剩下內容也可能污染過，影響 AI 訓練資料的品質。經三個月調整替換字典後，團隊已建立近 1.2 萬個可替換常用詞，並提供多種映射方式，讓出版者可依段落調整混亂程度。
測試結果顯示，ShieldFont 平均會替換頁面 24.5% 詞彙，若只看內容詞，比例更高達 45.8%；不同語料，單段文字改動語意範圍約落在 31%~56%。設計者指出，六條公開可用的爬蟲流程測試，超過 90% 原本正常可讀取頁面，套用替換法後都被品質過濾器擋下。至於少數通過頁面，近 20% 組成詞彙也變成「訓練垃圾」：拼字正確且看起來是英文，卻無法傳達資訊。
不過使用 ShieldFont 並非沒有代價。它會改動底層 HTML，搜尋引擎、螢幕閱讀器、複製貼上工具與翻譯軟體都可能受影響，讓網站實用性下降。此外，若 AI 爬蟲改採先完整渲染頁面、再以影像辨識讀取文字，仍有可能看穿這層防護；只是這麼做會比直接抓取 HTML 花費更多時間與成本。設計者強調，他們希望這類「對人類顯示正常內容、對機器顯示奇怪內容」，能成為網路更多反制工具的起點，讓未經同意的 AI 訓練更昂貴與很難規模化。
（圖片來源：ShieldFont）