اگر صاحب وب‌سایتی هستید که هر روز با سیل درخواست‌های ربات‌های هوش مصنوعی دست‌وپنجه نرم می‌کند، احتمالاً می‌دانید که مسدود کردن سادهٔ IPها دیگر جواب نمی‌دهد. حالا ابزاری به نام Anubis وارد میدان شده تا بازی را به نفع سرورها تغییر دهد.
استخراج داده (Web Scraping) اکنون به یک جنگ تجهیزاتی تبدیل شده است. آزمایشگاه‌های هوش مصنوعی برای یافتن داده‌های تازه، از مرورگرهای بدون رابط کاربری (Headless Browser) استفاده می‌کنند که رفتار انسان را تقلید می‌کنند تا فیلترهای ساده را دور بزنند. این تکامل در ابزارهای استخراج داده باعث شده تا هوش مصنوعی زاینده بتواند بدون وابستگی به ساختار HTML محتواها را شناسایی کند و سایت‌ها را به چالش بکشد. همان‌طور که در تحلیل قبلی ما درباره‌ی امنیت مدل‌های بازمتن اشاره کردیم، دسترسی آزاد به داده‌ها همواره نقطهٔ ضعف این اکوسیستم بوده است. در این میان، Anubis یک مصالحهٔ تاکتیکی است تا سایت‌ها بدون بستن کامل درها، در دسترس بمانند.
به نقل از گزارش ۲۱ ژوئیه ۲۰۲۶ در lore.kernel.org، سامانهٔ Anubis از مکانیزم اثبات کار (Proof-of-Work یا PoW) استفاده می‌کند. این روش — شبیه به پرداخت یک «مالیات محاسباتی» کوچک برای ورود به ساختمان است — بر اساس مدل Hashcash طراحی شده که پیش‌تر برای توقف اسپم‌های ایمیلی به کار می‌رفت. طبق مستندات این ابزار، منطق فنی آن به شرح زیر است:
- کاربر انسانی هنگام بارگذاری صفحه، بار محاسباتی بسیار ناچیزی را تجربه می‌کند و متوجه آن نمی‌شود.
- ربات‌های استخراجگر که میلیون‌ها صفحه را پردازش می‌کنند، با هزینه‌ای افزایشی مواجه می‌شوند که جمع‌آوری داده را به‌شدت گران می‌کند.
- این سیستم برای اجرا به جاوااسکریپت مدرن نیاز دارد؛ بنابراین افزونه‌هایی مثل JShelter باید غیرفعال باشند تا سایت باز شود.
این رویکرد، هزینهٔ دسترسی را از دوش مالک سرور به دوش درخواست‌کننده می‌اندازد. با مجبور کردن ربات به صرف چرخهٔ پردازنده (CPU cycles)، یک سد مالی و محاسباتی ایجاد می‌شود که بدون نیاز به یک سیستم تشخیص بی‌نقص، مانع از برداشت انبوه داده می‌شود. این استراتژی در واقع پاسخی به تضاد میان دسترسی کاربران و امنیت تهاجمی در معماری Anubis است تا تعادلی میان کاربردپذیری و امنیت ایجاد شود.
به باور توسعه‌دهندگان، این چالش PoW یک اقدام موقتی است. مدیران قصد دارند از این فرصت برای بهبود تکنیک‌های اثرانگشت‌برداری (Fingerprinting) استفاده کنند؛ مثلاً تحلیل اینکه مرورگرهای بدون رابط کاربری چگونه فونت‌ها را رندر می‌کنند تا انسان‌های واقعی را دقیق‌تر از عامل‌های هوش مصنوعی تشخیص دهند.
گام بعدی شما
- اگر توسعه‌دهنده ابزارهای اتوماسیون هستید، بررسی کنید که رندر فونت مرورگر شما چه تفاوتی با نسخه استاندارد کروم دارد.
- اثرات استفاده از جاوااسکریپت‌های سنگین برای احراز هویت را بر سئو (SEO) وب‌سایت خود بسنجید.
- ابزارهای جایگزین برای شناسایی Headless Browserها را در لایه CDN بررسی کنید.
اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.
گفتگو