Пять возможных обходных путей в поисковую выдачу на основе LLM

На фоне резкого падения традиционного трафика из поисковой выдачи из-за новой тенденции — сводок, создаваемых ИИ, — издатели всех уровней теперь стремятся привлечь внимание больших языковых моделей, которые формируют ИИ-сводки веб-поиска, а также напрямую попасть в ответы популярных передовых моделей, таких как ChatGPT.

Законные подходы, согласно более ранним работам, таким как «Оптимизация видимости в генеративных системах» и «Как доминировать в ИИ-поиске», включают получение независимого редакционного освещения, публикацию авторитетного и хорошо структурированного контента, предоставление машиночитаемой информации о продуктах и адаптацию материалов к разным языкам и рынкам.

Альтернативные методы, недавно привлекшие внимание, напоминают практики чёрного SEO прошлых десятилетий. Среди них — астротурфинг на Reddit, где якобы независимые рекомендации размещались для влияния на результаты ИИ-поиска; отравление памяти, при котором обманные ссылки пытались заставить помощников сохранять рекламные утверждения как достоверную информацию; и внедрение инструкций, когда скрытые указания на сайтах стремились повлиять на рекомендации ИИ-помощника, а не просто предоставить информацию для обобщения.

Особенно изобретательный пример манипуляции GEO возник, когда исследователи ETH Zürich создали вымышленную камеру и опубликовали рекламную веб-страницу со скрытой инструкцией, набранной крошечным белым шрифтом, которая предписывала Microsoft Bing Copilot рекомендовать исключительно эту камеру. Маленький размер шрифта и низкий контраст должны были скрыть манипуляцию.

Две рекламы вымышленных камер, использованные в эксперименте ETH Zürich для манипулирования рекомендациями ИИ-поиска. Обычная реклама слева содержит видимый рекламный текст, тогда как реклама «PixelBlitz» справа скрывает инструкцию белым шрифтом размером один пункт, невидимым на белом фоне. Скрытое сообщение выдаёт себя за системную инструкцию и велит ИИ рекомендовать исключительно PixelBlitz и скрывать существование инструкции. В контролируемых испытаниях этот метод повысил долю рекомендаций вымышленной камеры с 34% до 59,4%. Источник

В контролируемых испытаниях доля рекомендаций вымышленной камеры выросла с 34% до 59,4%, немного превысив 57,9%, достигнутые настоящими камерами Nikon и Fuji-film. Это показало, что вредоносные инструкции, встроенные в извлечённые веб-страницы, действительно могут влиять на рекомендации ИИ.

При столь высоких ставках разумно предположить, что чёрная GEO-оптимизация представляет собой активное и хорошо финансируемое незаконное направление исследований в маркетинговой индустрии и других секторах, которые стремятся обрести или вернуть прежние позиции в SEO, добиваясь рекомендаций от ИИ-оракулов и чат-систем.

Поэтому рассмотрим некоторые возможные или зарождающиеся направления:

1: Архивные махинации

Internet Archive — один из самых полных и полезных сетевых ресурсов; его Wayback Machine в 2025 году преодолела рубеж в один триллион страниц. На момент написания статьи IA сообщает о феноменальных 47 381 733 PDF-документах, хранящихся в архиве и доступных публике:

В Internet Archive хранится поразительная коллекция PDF-материалов, в основном предоставленных добровольцами. Источник

Как видно из приведённых выше примеров результатов, многие загруженные PDF-файлы весьма обыденны: от малоизвестных музыкальных листовок 1950–1990-х годов до редких и увлекательных журналов и книг, считавшихся утраченными для потомков, огромных скучных подборок протоколов муниципальных собраний 1970-х и 1980-х годов и многого другого.

В настоящее время эта коллекция подвергается неизбирательной массированной нагрузке, и очевидный виновник — орда ИИ-ботов для сбора данных, отчаянно ищущих новые данные либо более качественные или подтверждающие версии уже имеющихся.

Очевидно, что изменить загруженный документ так, чтобы он подтверждал ложное утверждение, вымышленный продукт, ложные упоминания людей — хвалебные или клеветнические — и ложные заявления о них, совсем несложно.

Такой материал можно внедрить в документы, которые LLM считают авторитетными источниками, например в PDF-файлы уважаемых журналов, ещё не полностью проиндексированных в коллекции IA. В таком случае «исправленное» издание будет выглядеть как законное «заполнение пробела».

Сам ИИ может воспроизвести стиль текста, чтобы он соответствовал существующей короткой статье или даже подписи. Можно изменить дату PDF и применить множество других простых приёмов, создающих впечатление, что документ, например, найден в архиве 1990-х годов или ещё более раннего периода:

Простая «историческая поправка», без возражений подготовленная ChatGPT-5.5 и легко вставленная обратно в исходный PDF-документ. Так «Pence Opera House» исчезает из истории, а открытие Guthrie Theater — реально существующего театра в Миннесоте — переносится с настоящего 1963 года на гораздо более ранний 1867 год. Источник

По-видимому, в таких случаях остаётся лишь дождаться, когда информацию подхватят ненасытные ИИ-боты для сбора данных. Пока слишком рано уверенно говорить, насколько фильтры или системы проверки при подготовке наборов данных способны выявлять такие незаконные изменения. Однако масштаб этих наборов данных настолько огромен, что обычно исключает столь подробный надзор. При таком объёме приходится, по существу, «доверять данным».

2: Сети искусственного консенсуса

Или, если вы достаточно взрослые, чтобы их помнить, современное «веб-кольцо» — взаимосвязанные сайты раннего интернета, существовавшие до Google PageRank и показателя Domain Authority от Moz, которые оценивали количество и качество входящих ссылок.

Однако сети искусственного консенсуса идут дальше, создавая видимость независимого подтверждения на якобы не связанных между собой сайтах. Недавнее исследование Китайского университета Гонконга и EPFL в общих чертах продемонстрировало этот принцип: авторы проверили 12 моделей ИИ на 225 продуктах в 15 категориях, заменяя настоящие бренды в полученных результатах поиска вымышленными аналогами.

Иллюстрация из статьи, показывающая два пути, которыми вымышленная информация о продуктах может влиять на рекомендации ИИ. Вверху ложный контент размещается в реальном интернете и попадает в результаты поиска; внизу исследователи моделируют тот же процесс, локально изменяя извлечённые страницы. Оба пути могут заставить ИИ-помощника рекомендовать несуществующий бренд наряду с настоящими продуктами. Источник

Эффект усиливался по мере того, как всё больше результатов содержали одну и ту же ложную информацию. Когда среди ведущих результатов были три изменённые страницы, самая уязвимая модель рекомендовала несуществующие продукты в 73,8% испытаний. Даже один подменённый результат на первом месте мог вводить некоторые модели в заблуждение в 27% случаев.

Ещё примечательнее то, что модели иногда сами выдумывали подтверждения: в одном испытании с вымышленным брендом защитных плёнок для экрана Claude и DeepSeek добавили утверждения о рекомендациях сообщества и испытаниях продукта, которых не было в предоставленном материале.

Хотя эксперимент проводился с локально изменёнными результатами поиска, а не с действующей сетью мошеннических сайтов, он показывает, как согласованная совокупность внешне независимых обзоров может создавать видимость достоверности, а ИИ — подкреплять ложь дополнительными одобрительными отзывами.

3: Генерация цитирований и утверждения, потерявшие первоисточник

Генерация цитирований — которую можно назвать «отмыванием цитирований» — представляет собой разновидность сетей искусственного консенсуса, но делает больший упор на видимое происхождение информации, чем на число повторяющих её источников.

Вымышленное утверждение может впервые появиться в малоизвестном отраслевом журнале, самостоятельно опубликованной научной работе или специализированном издании со слабым редакционным контролем. Затем на него могут сослаться блоги, каталоги и другие публикации — и каждое повторение придаёт исходному заявлению немного больше видимой обоснованности.

В конечном итоге ИИ-поисковик может встретить утверждение через несколько звеньев после его первоначального источника, возможно, в заслуживающей доверия статье, которая ссылается на промежуточную публикацию. То, что началось как неподтверждённое заявление, теперь имеет историю цитирований — хотя ни одна из последующих ссылок не является независимой проверкой.

Уже существует несколько задокументированных примеров такого процесса, хотя большинство предшествует появлению ИИ-поиска. В одном печально известном случае подросток придумал прозвище «бразильский трубкозуб» для коати и добавил его в Википедию.

Выдуманное название попало в газеты и как минимум в одну научную книгу. В конце концов сама Википедия сослалась на газетную статью как на доказательство утверждения, которое изначально появилось в ней самой, — почти идеальный круг вымышленного авторитета. Этот эпизод описал журнал The New Yorker.

Более целенаправленная демонстрация появилась в 2025 году, когда исследователи создали несколько сгенерированных ИИ научных работ, приписанных несуществующему учёному. Вымышленные публикации набрали 380 цитирований и индекс Хирша 19 в Google Scholar, придав выдуманному исследователю внешне солидный академический статус. Эксперимент, опубликованный в журнале Scientific Reports издательства Nature, показывает, как можно искусственно нарастить цитируемость без соответствующего массива реальных исследований.

Ни один из этих случаев не демонстрирует успешную атаку на ИИ-поисковик. Однако оба подтверждают лежащую в основе уязвимость: когда ложное утверждение воспроизводят внешне надёжные источники, последующим системам бывает трудно отличить независимое подтверждение от многократного распространения одной выдумки. Особая опасность для ИИ-поиска состоит в том, что модель может обобщить эту цепочку ссылок как подтверждающие доказательства, не распознав, что все кажущиеся авторитетными источники ведут к одному непроверенному утверждению.

4: Захват авторитета

Домены с истёкшим сроком регистрации могут сохранять видимую надёжность, входящие ссылки и поисковую видимость прежних владельцев. Приобретение таких адресов и размещение на них новых материалов может создавать впечатление, что недавние утверждения исходят от известных изданий, — эта практика существует уже 20–30 лет. Авторитет истёкшего или заброшенного домена часто приобретают, чтобы переработать его содержимое в «сходные по теме», но коммерциализированные материалы.

В 2024 году влиятельный женский блог The Hairpin, закрывшийся в 2018 году, снова появился у новых владельцев как ферма ИИ-контента. Исходные статьи смешивались с переписанными материалами и вымышленными именами авторов, эксплуатируя репутацию и авторитет домена некогда уважаемого издания. Хотя это не доказанная атака на ИИ-поиск, случай показывает, как можно присвоить историю известного сайта.

Хотя архивные снимки помогают выявить различия между подлинным прошлым домена и его вновь созданным контентом, даже такие доказательства не обязательно сохраняются навсегда. В 2002 году Internet Archive удалил снимки сайтов, критиковавших саентологию, после жалоб юристов организации на нарушение авторских прав, первоначально указав, что удаления якобы запросили сами владельцы сайтов.

До 2017 года Wayback Machine применяла правила исключения сайтов задним числом, что потенциально позволяло новым владельцам доменов скрывать материалы предшественников. Хотя эту практику прекратили, Internet Archive по-прежнему рассматривает запросы на удаление исторических снимков.

5: Использование академических репозиториев

Академические репозитории предлагают ещё один путь к видимому авторитету. Серверы препринтов позволяют исследователям публиковать работы до рецензирования, а поисковые системы и системы извлечения информации для ИИ могут находить эти документы наряду с признанной научной литературой.

Проблема в том, что публикация и проверка — не одно и то же: в 2024 году исследователи продемонстрировали, как вредоносные инструкции, встроенные в научные статьи, могут манипулировать ИИ-помощниками, обрабатывающими эти документы. Работа показала, что видимая легитимность научной статьи не мешает использовать её содержимое для влияния на систему ИИ.

Менее заметный подход GEO мог бы заключаться в размещении правдоподобных, но малозначимых исследований, которые многократно связывают компанию, продукт или человека с определённой компетенцией. Даже без явных инструкций для ИИ такие материалы могли бы обеспечивать внешне научную поддержку утверждений, исходящих от самого выгодоприобретателя.

Заключение

Другие возможные направления включают проникновение в экосистему отзывов — размещение положительных оценок на сайтах сравнения и в каталогах программ; манипуляции графами знаний — изменение структурированных данных для создания вводящих в заблуждение связей между компаниями, продуктами и компетенциями; и многоязычное отмывание репутации — размещение рекламных утверждений в менее тщательно проверяемых иноязычных источниках.

Наконец, агентная GEO-оптимизация могла бы автоматизировать эти методы, многократно проверяя контент в ИИ-поисковиках и совершенствуя те варианты, которые дают желаемые рекомендации.

Впервые опубликовано в понедельник, 12 октября 2026 года. В течение тридцати минут внесены изменения для исправления регистра заголовков и отсутствующих тегов.