.webp){kind=small}
Como funciona a ShieldFont
A ShieldFont baseia‑se em ligaduras, recurso tradicional que substitui pares de letras por formas mais elegantes quando estas se sobrepõem. No novo modelo, as ligaduras são empregadas para trocar palavras inteiras por outras, de modo que a substituição ocorre apenas quando o mecanismo de fonte renderiza a página na tela. Assim, os raspadores que simplesmente baixam o código‑fonte obtêm uma versão alterada que jamais será vista pelos leitores humanos. Para evitar que substituições simples sejam revertidas por algoritmos avançados, a fonte troca termos por outros pertencentes à mesma classe gramatical, porém com significado totalmente distinto – por exemplo, “cavalo” por “batata”.
Essa estratégia gera frases que aparentam coerência sintática, mas cujo conteúdo informativo fica embaralhado, podendo envenenar conjuntos de dados de treinamento. Os criadores da ShieldFont relataram que, após três meses de refinamento, o dicionário de troca inclui quase 12 mil palavras comuns, permitindo que os editores escolham entre três mapeamentos diferentes para cada substituição ou criem seus próprios esquemas. Em média, a fonte altera 24,5 % de todas as palavras de uma página, atingindo 45,8 % das chamadas “palavras de conteúdo” e comprometendo o sentido de 31 a 56 % das passagens, conforme o corpus analisado.
Testes com seis pipelines de raspadores públicos mostraram que mais de 90 % das páginas que seriam aceitas foram rejeitadas pelo filtro de qualidade após a aplicação da ShieldFont. No pequeno subconjunto que ainda passa, cerca de 20 % das palavras são classificadas como “lixo do tempo de treinamento”, ou seja, texto real em inglês, grafado corretamente, mas sem informação verdadeira. Embora a fonte mantenha a legibilidade humana, ela pode atrapalhar motores de busca, leitores de tela, ferramentas de copiar/colar e softwares de tradução, e não impede raspadores que utilizam renderização completa seguida de reconhecimento óptico de caracteres.
Ainda assim, a ShieldFont representa um avanço significativo na defesa contra a coleta automatizada de conteúdo para treinamento de IA.
| ℹ️ | Nota do editor: O AR NEWS 24H publica conteúdos baseados em fontes externas. As informações e opiniões presentes no material original são de responsabilidade de seus respectivos autores. Este conteúdo foi traduzido e adaptado para o português do Brasil com o auxílio de ferramentas automatizadas. |
