ShieldFont 让人看到原文、机器读到假话：反 AI 爬虫为何也会伤害开放网络

据 Ars Technica 报道，ShieldFont 试图用字体与网页底层文本之间的差异，对批量抓取训练数据的 AI 爬虫投毒：普通读者看到正常句子，直接读取 HTML 的机器却得到意思不同、仍然像自然语言的内容。

一句话结论：ShieldFont 不能阻止真正想读懂页面的爬虫，它做的是把低成本批量抓取变贵；代价是搜索、复制粘贴、翻译和屏幕阅读器也可能先被误伤。

它利用 OpenType 字形替换一类机制，让浏览器渲染出来的词与底层字符不同。与简单插入乱码相比，机器读到的文本仍尽量保持语法通顺，这样更不容易被训练数据清洗流程直接丢弃。对依赖下载 HTML、抽取纯文本的爬虫来说，页面仍然“可抓”，拿到的事实却已经变化。

绕过办法并不神秘。爬虫可以像真实用户一样启动浏览器，渲染页面，截图后再用 OCR 识别视觉文字。Ars 估算，按照第三方抓取服务价格，这种流程可能比直接读取 HTML 贵 5 到 13 倍。ShieldFont 防守的正是数量巨大的低成本抓取，而不是一个愿意针对单站点投入工程资源的对手。

问题也出在这里。搜索引擎、辅助技术、自动翻译和归档服务同样依赖机器可读文本。屏幕阅读器如果读出底层假句子，视障用户看到的就不是保护，而是网页主动向自己撒谎。复制引用失真还会破坏链接、检索和学术引用。

这使 ShieldFont 更像抗议性工具，而不是通用内容保护方案。它有效指出了一个现实：robots.txt 和训练退出标签只有在爬虫愿意遵守时才成立。但当防守者开始破坏机器可读性，开放 Web 原本让内容可搜索、可访问、可组合的价值也会一起受损。

关键事实

• 来源：Ars Technica、ShieldFont 项目
• 技术：OpenType 字形替换，让视觉文本与底层机器文本不一致
• 主要目标：提高大规模、低成本 AI 抓取的费用
• 已知边界：可被浏览器渲染加 OCR 绕过，并影响搜索和辅助技术

OC 判断

ShieldFont 是一项有力的概念验证，却不适合作为全站默认方案。更可持续的控制应发生在访问授权、可执行的数据许可和训练数据审计层，而不是要求每个创作者破坏自己的网页语义。开放网络不能靠让机器全部失明来保护作者。

为什么重要

• 对创作者：可以提高未经许可抓取的成本，但要先评估可访问性和搜索流量损失。
• 对开发者：视觉输出正确不再保证 DOM 语义正确，测试必须覆盖屏幕阅读器和复制操作。
• 对 AI 公司：忽视自愿退出机制，会推动网站采用更具破坏性的技术对抗。

参考来源

• The web's newest weapon against AI scrapers is a font