الطائر الأصفر الذي يكشف عن حركة المرور الإصطناعي

في دراسة جديدة، قام الباحثون بتحديد عبارات فريدة على المواقع الإلكترونية واكتشفوا أن البوتات المحادثة الإصطناعية تتكررها، مما يكشف عن خطوط أنابيب الحفر الخفية، وبدا أن هناك ممارسات خادعة من بعض أكبر شركات الإصطناع.

تتنافس شركات الإصطناع من أجل الحصول على ميزة في سباق من المتوقع أن يكون قاسيا؛ لذلك هم يريدون حقا، حقا، حفر موقعك الإلكتروني من أجل الحصول على بيانات تدريب لتنمية نماذج الإصطناع الخاصة بهم. في بعض الأحيان دائما؛ غالبا في انتهاك لرغباتك المعلنة؛ وفي كثير من الأحيان في شكل مخادع من خلال الزوار البشر العاديين، أو كبوتات أكثر ودية مثل جوجل بوت، بدلا من الكشف عن هويتهم الحقيقية كحفرة بيانات إصطناعية.

من المتوقع حاليا أن حفرات الحفر الإصطناعية المخصصة لجمع بيانات جديدة، والاستجابة لمطالب المستخدمين الفورية للحصول على أحدث الأخبار من خلال راغ، سوف تتجاوز عدد البشر في غضون عام.

يحدث هذا الحفر الغير متوقف بسبب الحاجة لكل كيان إصطناعي إلى داشتن نسخته الخاصة الحالية من الإنترنت، بدلا من مستودعات متزايدة القديمة مثل كومون كرول؛ وربما بسبب أن الشركات تخشى القادم من القيود القانونية، ويتعين عليها البدء في غسيل الآي بي في أقرب وقت ممكن.

إضافة إلى ذلك، من خلال الاستطلاع المستمر لمواقع متعددة (مما قد يكون مفيدا)، قد تتحسن قدرة شركات الإصطناع على الاستجابة بشكل مفيد ودقيق للاستفسارات المتعلقة بالمواقف الجديدة والمتطورة.

في أي حال، يبدو أن هناك بعض المبرر لادعاء أن هذه الممارسات قد خلت من السيطرة والتنظيم لفترة طويلة.

المشكلة هي أن من الصعب إثبات ما مدى lengths شركات الإصطناع الحالية في حفر البيانات.

اتبع البيانات

اقترح أحد الباحثين في ورقة جديدة من الولايات المتحدة، طريقة قديمة لاكتشاف الجواسيس والمخبرين وغيرهم من المخادعين: كشفهم للمعلومات المخصصة التي لا يعرفها أحد آخر، ومراقبة ما إذا كانت تلك المعلومات تظهر في مكان ما. إذا لم يكن أحد يعرف تلك المعلومات، فإن مصدر التسريب يثبت:

فكرة الباحثين الأساسية، المحددة في الورقة الجديدة، هي إعطاء كل زائر بوت نسخة مختلفة قليلا من نفس الصفحة، ثم سؤال البوتات المحادثة عن تلك الصفحة ومراقبة أي نسخة تعود، مما يجعل من الممكن تتبع أي استفسارات خفية على الويب زودت بالجواب. المصدر

هذه المنهج الشائع ربما يكون معروفًا جيدا من خلال إجراءات مكافحة القرصنة التي اعتمدتها لجنة جوائز الأوسكار في عام 2000، حيث بدأت أقراص الفيديو التي تم توزيعها على أعضاء اللجنة في الحصول على تعريفات رقمية فريدة يمكن إعادة تعيينها إلى المستلم الأصلي إذا تم تسريب الفيلم إلى الإنترنت. في التجسس، تعرف هذه التقنية باسم وجبة الباريوم، بعد ممارسة استخدام سائل مشع لتحديد الأوعية الدموية في الفحص الطبي وتحديد الانسداد.

(بالirony، لم تكن استعارة “الطائر الأصفر” مناسبة جدا للسيناريو الذي تتناوله الورقة، على الرغم من أنها أكثر شهرة من أي من المذاهب السابقة)

في حالة البحث الجديد، أنشأ المؤلفون двадة مجالًا إلكترونيًا للهونيبوت وخدموا رموز فريدة لكل زائر فريد، بحيث يتم تقديم حقائق مختلفة (انظر العمود الثاني من اليسار في الصورة أعلاه).

الغرض كان كشف الهوية الحقيقية وسلوك حفر الإصطناع. عبر 22 نظام إصطناعي، كانت التقنية قادرة على تحديد موثوق به أي حفرة تغذي أي نظام إصطناعي، منذ أن كان من الممكن، مع قليل من الصبر بعد “نشر” العلامات الفريدة للبيانات، أن يُطلب من الإصطناع الأسئلة الصحيحة بعد شهر أو شهرين، مما يؤدي إلى العلامات الفريدة.

اللعب الغير النظيف

بالطبع، لم يكن هذا ليكون ضروريا إذا كنا لم نكن لا تزال في مرحلة “الغرب المتوحش” من الإصطناع V3، وإذا كانت الشركات تتبع الملفات النصية الصغيرة التي يمكن للمجالات استخدامها ل 告ر شركة الإصطناع بعدم حفر البيانات.

كما اتضح في اختبارات الباحثين،appeared فقط شركة إصطناعية واحدة تظهر احترامها للسلوك المعلن والمبادئ الخاصة بها: داك داك بوت من داك داك جو كان الوكيل الوحيد الذي يمثل نفسه بدقة، وหยفت عن الإبلاغ عن “البيانات السرية” بمجرد إيقاف تشغيل المجال المستهدف (الشركات الأخرى الإصطناعية لجأت إلى إصدارات مؤرشفة وأساليب أخرى) أو تغيير ملف روبوتس.تكسต لرفض حفر البيانات الإصطناعية.

كثير من أكبر اللاعبين بدلا من ذلك تقليد معرّفات المستخدم العامة ل المتصفحات (نفس الشيء الذي سيرى موقع الويب إذا زرتها أنت أو أنا)، و – وفقا لتوجيه بيربلكسيتي في عام 2025 على هذه الممارسة – تقليد جوجل بوت، الذي كان يتمتع ب “ممر ذهبي” إلى بيانات الموقع بسبب عودته (لاحظ الفعل الماضي، لأن هذا يتغير) حركة المرور مقابل البيانات.

الأسوأ منهم، وفقا للورقة، كان حفرة تغذي نظام كيمي:

‘يبدو أن كيمي هو الحالة الأكثر تطرفا لهذا السلوك: العديد من وكلاء المستخدمين يبدو أنهم مرتبطون بالبيانات التي تم إخراجها بواسطة كيمي. نحن نستنتج أن كيمي يتنقل خلال قائمة طويلة من سلاسل وكلاء المستخدمين أثناء الحفر، ربما لتجنب الكشف عن البوت.’

ما يجعل هذه المشكلة تحديا كبيرا هو أن عملية “النظر شيء” بواسطة شات جبت أو أدوات مشابهة تكون في الغالب غير مرئية، مع تقديم الشركات حسابات جزئية أو ذاتية للإبلاغ عن كيفية جمع أنظمتها للمعلومات الحية. هذا يترك أصحاب المواقع بدون طريقة واضحة لتحديد أي بوتات هي التي تزور صفحاتهم، 是否 تلك الزيارات مباشرة أو تم توجيهها من خلال محركات البحث، أو كيف يتم استخدام تلك البيانات في الإجابة النهائية.

تشير النتائج من الدراسة الجديدة إلى أن أنظمة الإصطناع قد تستخدم إدخالاتها المؤرشفة الخاصة من مجال، وقوائمها الداخلية على نمط محركات البحث، وأنه غالبا ما تستخدم المعلومات من نتائج محركات البحث للشركات التي لا توجد لديها أي علاقة عامة، ولا اتفاقية استخدام واضحة.

يعتقد المؤلفون أن هذا الكشف هو الأول من نوعه الذي يعالج الغزو غير المرغوب به لأنظمة راغ (مكالمات حية في وقت الاستدلال من أنظمة الإصطناع التي قد تكون لها مستخدم بشري يعمل عليها)، بدلا من بوتات حفر البيانات التي تبحث عن مواد طازجة ل مجموعات بيانات التدريب.

الورقة الجديدة بعنوان تحديد حفر الويب الإصطناعية باستخدام رموز الكاناري، وينشأ من ستة باحثين من جامعة ديوك، جامعة بيتسبرغ، و كارنيجي ميلون.

الطريقة

أنشأ الباحثون عشرين مجالًا إلكترونيًا تحت قوالب متشابهة، مثل محفظة فنية أو موقع شركة. تحتوي كل قالب على 10 معلمات ستكون محددة لاحقًا بالرموز الفريدة لكل زائر (استنادا إلى عوامل مثل عنوان الآي بي، بصمة الكanvas، وطرق شم أخرى):

مثال على القالب والمعلمات المستخدمة في التجربة. كل زائر فريد سيحصل على متغيرات مخصصة وثابتة.

كل زائر فريد سيحصل على متغيرات مخصصة. في حالة الكشف عن عودة زائر سابق، سيتم تقديم نفس المتغيرات كما كانت من قبل. تم إنشاء المتغيرات باستخدام مكتبة فيكر باللغة البرمجية بايثون، بالإضافة إلى مولدات أرقام عشوائية غير محددة.

تم تقديم مجالات الهونيبوت إلى فهرس مثل جوجل و بينج، وكذلك ربطها من مجالات أخرى موجودة مسبقا التي يتحكم فيها المؤلفون.

سمح بمرور شهرين، كفترة زمنية مطلوبة لسماح بتردد الفحص من مجموعة واسعة من بوتات محركات البحث وأدوات أخرى، بالإضافة إلى زيارات hữu cơ محتملة. في هذه النقطة، كان الباحثون في وضع يمكنهم من استفسار بوتات المحادثة الإصطناعية المستهدفة (المدرجة أدناه):

تم بناء البرامج لاستفسار كل نظام، عبر واجهة برمجة التطبيقات حيثما كان ذلك ممكنا. عندما لم يكن ذلك ممكنا، وحيث تم حظر الحلول الآلية مثل سيلينيوم بواسطة روتين الكشف عن بوتات المحادثة الإصطناعية، تم إجراء تفاعلات يدوية عبر واجهات المستخدم الرسمية لأنظمة الإصطناع.

بعد التبادل الأولي للمقالب (انظر الصورة أعلاه)، قام المؤلفون بمتابعة استفسار ثانوي مصمم لاستخراج اسم شركة أو شخص في علامة توكن مرتبطة.

تم إجراء التجارب في ثلاثة ظروف: موقع إلكتروني متاح بالكامل؛ الموقع تم إيقافه؛ والموقع مع تقييد روبوتس.تكست لمنع الحفر. تم إجراء هذه التجارب بالترتيب الصحيح، واحدة تلو الأخرى، لأن المراحل الأخيرة اعتمدت على السابقة.

أخيرا، مع جميع المواقع على الإنترنت مرة أخرى، تم إعادة اختبار إخراج أنظمة الإصطناع في فترات زمنية أسبوعية.

النتائج

أثبت أربعة من أنظمة الإصطناع المستهدفة أنها مقاومة تماما لأساليب الباحثين، ولم يكن من الممكن الحصول على نتائج ل ديب سيك، هونيوان، جيم إل إم، و ليكويد.

فيما يتعلق بالميلة التي تظهرها العديد من البوتات الإصطناعية لتحديد هوية حركة المرور غير الإصطناعية، يقول المؤلفون:

‘بالإضافة إلى وكلاء الإعلان المعلن عنهم، عادت أنظمة إصطناعية عديدة بمحتوى مرتبط بمعرفات المستخدم العامة للمتصفحات. لقد观察نا هذا السلوك لستة من أنظمة الإصطناع الثمانية عشر التي حصلنا على معلومات عن معرفات المستخدم لها.

‘هذا النتيجة تشير إلى أن بعض أنظمة الإصطناع يمكن أن تحصل على محتوى موقع الويب من خلال طلبات تبدو مشابهة لحركة مرور المتصفح العادي، مما يجعل من الصعب حظرها باستخدام معرفات المستخدم.’

returned إرني معرّف بайдو سبايدر ومعرف جوجل كروم؛ جروك kết hợp جوجل بوت مع وكلاء متصفحين آخرين؛ سولار استخدم فقط معرفات متصفح؛ كوين خلط جوجل بوت مع كروم؛ وكيمي كان مرتبطًا بمعرفات متصفح متعددة.

بدا أن العديد من الأنظمة تعتمد على حفرة بحث خارجية، في علاقات لا يتم الكشف عنها دائما. تم إرجاع المحتوى المرتبط بجوجل بوت، بينج بوت، وبريف بوت بواسطة عشرة من الأنظمة الثمانية عشر التي تم تحليلها، في كثير من الحالات التي لا توجد فيها علاقة عامة بين شركة الإصطناع ومحرك البحث – على الرغم من أن بعض الروابط، مثل استخدام كلود لبريف، يتم توثيقها.

يقول المؤلفون إن هذا يشير إلى طبقة إضافية من الغموض في خط أنابيب الويب إلى الإصطناع، حيث قد لا يمنع حظر بوتات الإصطناع المعروفة استخدام البيانات، ويتعين على أصحاب المواقع اختيار الخروج من فهرسة البحث بالكامل – وهو خيار غير مرغوب فيه في الوقت الحالي.

هذا يشير، وفقا للورقة، إلى أن أنظمة الإصطناع قد تستخدم إدخالاتها المؤرشفة الخاصة من مجال، وقوائمها الداخلية على نمط محركات البحث، وأنه غالبا ما تستخدم المعلومات من نتائج محركات البحث للشركات التي لا توجد لديها أي علاقة عامة، ولا اتفاقية استخدام واضحة.

แคش فقط

ثم قام المؤلفون بتحديد ما إذا كان إزالة مصدر سيؤثر على إخراج البوتات المحادثة، عن طريق إيقاف تشغيل المواقع الإلكترونية و الاستفسار عن الأنظمة مرة أخرى بعد فترة زمنية أسبوعية. وفقا للورقة، استمرت العديد من البوتات المحادثة في إعادة إنتاج “المحتوى المزروع” حتى بعد أسبوع من انقطاع الخدمة، مما يشير إلى أن الاستجابات كانت مستمدة من بيانات مؤرشفة، وليس من استرجاع مباشر.

كان هذا الاستمرار أكثر وضوحا في الأنظمة المرتبطة ببوتات محركات البحث، حيث بقي المحتوى المؤرشف متاحا، على الرغم من أن صفحات المصدر لم تكن متاحة بعد ذلك – على الرغم من أن سلوكا مشابها تم ملاحظته أيضا في الأنظمة المرتبطة بمعرفات متصفح، مما يشير إلى أن التخزين المؤقت قد يمتد إلى ما هو أبعد من خطوط أنابيب محركات البحث.

تقترح الورقة أن بمجرد دخول المحتوى إلى التخزين المؤقت، سواء تم الحفظ بواسطة بوت المحادثة أو الوصول إليه من خلال فهرس محركات البحث، فإن إزالة الصفحة الأصلية لا يزيل ذلك المحتوى بشكل موثوق من الإخراج اللاحق.

الاستنتاج

يقر المؤلفون بأن بعض “التسرب” سوف يحدث من هذا النهج الكلاسيكي “المحصور”، منذ أن يمكن أن تظهر العلامات الفريدة الموجهة إلى نظام إصطناعي في نتائج البحث (المولدة بواسطة العلامات “الحقيقية” للمالك)، والتي يتم استيعابها بعد ذلك بواسطة نظام إصطناعي آخر. ومع ذلك، في مثل هذه الخطط، فإن انتشار هذا النوع من التسرب لا مفر منه، واللحظة الحاسمة هي لحظة الكشف الأول.

ما يبقى أن نرى هو مدى القدرة على تنفيذ مثل هذا الخطة على نطاق واسع، خاصة وأن المؤلفين يلاحظون أن أحدا سوف ينهك سريعًا العلامات الفريدة الصحيحة في سياقها.

然而، هذا يغيب عن النقطة، لأن هناك حدًا حتى لجرأة شركات الإصطناع في التغلب على الأدلة الواضحة لسياسات الحفر الخاصة بهم. بالإضافة إلى ذلك، ما لم تلتزم هذه الشركات بتكلفة مرتفعة لتنقل عناوين الآي بي المحلية لتنكر هويتها، فمن الممكن أن يكون من الممكن لمنظمة واحدة فقط تحديد ونشر قائمة سوداء على نمط سبام هاوس لآي بي أو أيه إس إن للمخادعين؛ لا يلزم أن يكون هذا العملية صناعيًا لتكون فعالًا.

نشر لأول مرة يوم الخميس، 14 مايو 2026