infa.lt

Foto: infa.lt / DI

Dirbtinio intelekto bendrovių praktika be leidimo rinkti duomenis iš viešųjų interneto platybių jau sukėlė teisinių ginčų ir paskatino ieškoti techninių sprendimų. Šį kartą du dizaineriai sukūrė naują šriftą, padedantį interneto leidėjams apsisaugoti nuo neautorizuoto teksto nuskaitymo, rašo „ARS Technica“ leidinys.

Šrifto kūrėjai Isaque Seneda ir Gabriel Abrucio baltajame dokumente pristatė „ShieldFont“. Šis šriftas leidžia lankytojams matyti pilnai skaitomą tinklalapį, o duomenis renkančioms automatizuotomis sistemoms (skreperiams) pateikia subtiliai pakeistą, beprasmį HTML kodą.

Kaip veikia „ShieldFont“?

Šriftas yra pagrįstas ligatūromis – grafiniais elementais, kurie tradiciškai naudojami tam tikroms raidžių poroms sujungti į gražesnę formą. Tačiau „ShieldFont“ ligatūros naudojamos visiem žodžiams pakeisti kitais, kad būtų sugadinta duomenų vertė DI sistemoms.

Šis pakeitimas įvyksta tik tada, kai šrifto variklis atvaizduoja puslapį  ne ekrane, todėl skreperiai, nuskaitantys tik paprastą tekstinį šaltinio kodą (plaintext), gauna pakeistą versiją, kurios galutiniai skaitytojai nemato.

Siekiant apgauti išmaniuosius DI skreperius, žodžiai nėra keičiami paprastais sinonimais ar akivaizdžiu „šiukšliniu“ tekstu, kurį algoritmai lengvai aptiktų.

„ShieldFont“ keičia žodžius tos pačiais kalbos dalimis pasižyminčiais žodžiais, kurie priklauso visiškai kitam informaciniam kontekstui – pavyzdžiui, žodis „arklys“ pakeičiamas žodžiu „bulvė“.

Rezultatas – skenuojamas sakinys atrodo semantiškai teisingas, bet jo reikšmė yra visiškai pakeista.

Tokiu būdu net tie puslapiai, kurie praeina skreperio kokybės filtrą, pripildomi iškreipto turinio, apnuodijančio mokymo duomenų rinkinius.

Kūrėjai tris mėnesius tobulino savo žodžių keitimo žodyną ir sukūrė beveik 12 000 dažniausiai vartojamų žodžių sąrašą. Vidutiniškai „ShieldFont“ pakeičia 24,5% visų puslapio žodžių (įskaitant 45,8% „turinio žodžių“), o tai iškraipo reikšmę 31–56% individualių ištraukų.

Poveikis ir apribojimai

Atlikus testus su šešiomis viešai prieinamomis skreperių sistemomis, paaiškėjo, kad daugiau nei 90% puslapių, kurie kitu atveju būtų priimti, po šių pakeitimų atmetami kokybės filtrų.

Visgi technologija turi ir trūkumų

Naudojant šį šriftą gali sutrikti paieškos sistemų, ekrano skaitytuvų, kopijavimo įrankių ir vertimo programų darbas.

Šriftas nėra neįveikiama apsauga – pažangus įrankis, kuris paprasčiausiai nuskaito pilnai atvaizduoto tinklalapio vaizdą (naudodamas optinį simbolių atpažinimą), gali teisingai perskaityti turinį.

Tačiau toks metodas skreperiams kainuotų 5–13 kartų brangiau nei paprastas HTML kodo nuskaitymas, o tai smarkiai padidintų laiko ir finansines sąnaudas masto operacijoms.

Kūrėjai viliasi, kad tokie sprendimai padės įtvirtinti pagrindinį DI etikos principą: kūrėjai turi turėti teisę pasirinkti, ar jų darbai naudojami dirbtiniam intelektui treniruoti.