اگر صاحب یک وب‌سایت هستید، احتمالاً می‌دانید که عامل‌های هوش مصنوعی اغلب دستورات شما برای عدم خزش را نادیده می‌گیرند. حالا تصور کنید به جای یک توصیه ساده، یک پاسپورت دیجیتال برای سایتتان داشته باشید که هر عامل پیش از ورود، باید اعتبار آن را بررسی کند.
AIFeed، پروتکلی که در ۲۲ سپتامبر ۲۰۲۶ معرفی شد، اجازه می‌دهد ناشران مجوزهای دسترسی به محتوا را با الگوریتم Ed25519 امضا کرده و این کلیدها را مستقیماً در DNS لنگر بیندازند. همان‌طور که در تحلیل‌های قبلی ما درباره‌ی امنیت مدل‌های بازمتن اشاره کردیم، کنترل روی داده‌های ورودی، کلید اصلی حاکمیت بر محتوا در عصر هوش مصنوعی است.
وب از سال‌هاست به robots.txt تکیه کرده است؛ فایلی که شبیه به یک تابلوی «ورود ممنوع» است که هر کسی می‌تواند آن را نادیده بگیرد. این چالش پیش از این نیز در محدودیت‌های شبکه‌های توزیع محتوا در برابر خزنده‌های هوش مصنوعی بررسی شده بود که نشان می‌داد حتی ابزارهای زیرساختی نیز در مدیریت دسترسی‌ها با دشواری روبرو هستند. اما AIFeed این رابطه را تغییر می‌دهد. طبق گزارش dev.to، این سامانه از JCS و Ed25519 برای امنیت استفاده می‌کند و اجازه می‌دهد عامل‌ها پیش از دسترسی، زنجیره‌ای از امضاهای TLS، دامنه و DNS را تأیید کنند.
بر اساس مستندات فنی این پروژه، نتایج شبیه‌سازی‌ها اعداد خیره‌کننده‌ای را نشان می‌دهد:
- بهره‌وری داده: ۶۸.۸٪ بایت‌های کمتری نسبت به HTML استاندارد مصرف می‌کند.
- ایندکس‌گذاری دلتا (Delta Indexing) — شبیه به وقتی که به جای فرستادن کل یک کتاب، فقط صفحات تغییریافته را می‌فرستیم — حجم داده برای صفحات بدون تغییر را تا ۹۵.۷٪ کاهش می‌دهد.
- عملکرد: بررسی امضاها به‌طور متوسط تنها ۰.۷۰ میلی‌ثانیه زمان می‌برد.
ناشران می‌توانند با دستور npx aifeed init این سیستم را مستقر کنند و عامل‌ها نیز با سه خط کد از طریق @aifeed/verify دامنه‌ها را تأیید کنند. همچنین یک لیست ابطال (Revocation List) برای لغو فوری مجوزها پیش‌بینی شده است. این رویکرد امنیتی در راستای تلاشاتی است که برای بهبود جریان‌های کاری خودکار و انتقال امن فایل‌ها در ابزارهای متن‌باز صورت گرفته است.
این سازوکار این فرض را که استخراج وب (Web Scraping) یک «غرب وحشی» بدون قانون است، به چالش می‌کشد. با انتقال مجوزها به لایه DNS، یک ردپای حسابرسی‌پذیر برای عامل‌های هوش مصنوعی (AI Agents) ایجاد می‌شود که می‌تواند اصطکاک‌های حقوقی میان آزمایشگاه‌های مدل زبانی و خبرگزاری‌ها را کاهش دهد. در این میان، ابزارهایی مانند aiFetchly نیز تلاش کرده‌اند با حذف وابستگی به ابر، استقلال عامل‌های پژوهشی را در جمع‌آوری داده‌ها افزایش دهند.
اگرچه این پروژه فعلاً در مرحله پیش‌نویس است و بررسی رمزنگاری خارجی نشده، اما نویسنده یک سرور MCP برای تست منتشر کرده است.
گام بعدی شما
- اگر توسعه‌دهنده هستید، مخزن گیت‌هاب AIFeed را برای تست پیاده‌سازی بررسی کنید.
- مشخصات کامل پروتکل را در aifeed.md مطالعه کنید.
- بررسی کنید آیا مدل‌های فعلی شما از استانداردهای DNS برای احراز هویت استفاده می‌کنند یا خیر.
اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.
گفتگو