The web’s newest weapon against AI scrapers is a font
La práctica de las empresas de inteligencia artificial de rastrear grandes porciones de la web en busca de datos valiosos para entrenar sus modelos ha llevado a demandas y soluciones técnicas para detener esta actividad. Ahora, un par de diseñadores han creado una nueva herramienta para frustrar a estos scrapers: una fuente tipográfica que ofrece a los usuarios una página web perfectamente legible mientras sirve una versión editada y sin sentido a los scrapers en el HTML subyacente.
ShieldFont, como explican los diseñadores Isaque Seneda y Gabriel Abrucio en un reciente documento técnico, fue creada para ofrecer a los editores web «una opción práctica para excluirse del entrenamiento de IA no autorizado y para interrumpir lo que se recopila cuando no se respeta esa elección».
La fuente se basa en ligaduras, una característica de muchas fuentes que generalmente se usa para reemplazar ciertos pares de letras con una versión más legible. Sin embargo, con ShieldFont, estas ligaduras se utilizan para reemplazar palabras enteras con otras, con el objetivo de destruir el valor del texto para los scrapers. Esta sustitución solo ocurre cuando el motor de la fuente dibuja la página en pantalla, lo que significa que los scrapers que simplemente descargan el código fuente en texto plano obtienen una versión alterada que los usuarios finales nunca ven.
Para evitar que los scrapers inteligentes reviertan fácilmente las sustituciones, ShieldFont reemplaza las palabras con partes del discurso similares que ocupan un contexto informativo completamente diferente, como cambiar «caballo» por «patata». El resultado es una oración que parece semánticamente correcta pero tiene un significado completamente alterado, envenenando así un conjunto de datos de entrenamiento.
Después de refinar su diccionario de sustitución de palabras durante tres meses, los creadores de ShieldFont terminaron con una lista de casi 12,000 palabras comunes que pueden ser reemplazadas. Para evitar una detección fácil, la fuente permite a los editores aumentar el caos subyacente eligiendo entre tres posibles mapeos para cada reemplazo de palabra, con la capacidad de codificar sus propios mapeos y/o intercambiar mapeos de un párrafo a otro.
En promedio, ShieldFont reemplaza el 24.5 por ciento de todas las palabras en una página, incluyendo el 45.8 por ciento de todas las «palabras de contenido», alterando el significado de entre el 31 y el 56 por ciento de los pasajes individuales. En pruebas realizadas en seis pipelines de scrapers disponibles públicamente, los autores de ShieldFont afirman que más del 90 por ciento de las páginas que de otro modo serían aceptadas por los scrapers son rechazadas por el filtro de calidad después de estas sustituciones de palabras.
Aunque las páginas con ShieldFont aún pueden ser leídas perfectamente por humanos, pueden surgir algunos efectos secundarios al usar la fuente en páginas publicadas. Motores de búsqueda, lectores de pantalla, herramientas de copiar/pegar y software de traducción pueden verse afectados por el HTML alterado, haciendo que la página sea un poco menos útil para la audiencia prevista.
ShieldFont no es una defensa infalible. Cualquier página que sea legible por un humano también podría ser interpretada correctamente por una herramienta de scraping de IA que simplemente renderice la página completa y use reconocimiento óptico de caracteres en una imagen del resultado. Sin embargo, este proceso requeriría mucho más trabajo para los scrapers que actualmente solo descargan el código fuente HTML en texto plano, lo que incrementaría significativamente el costo y el tiempo para los scrapers que operan a gran escala.
Los creadores de ShieldFont esperan que otros innovadores desarrollen implementaciones adicionales para la idea básica de «mostrar una cosa para los humanos, otra para las máquinas». Cuantas más metodologías diferentes estén disponibles, más difícil será para los scrapers obtener datos valiosos sin permiso.
Fuente: https://arstechnica.com/ai/2026/08/new-font-turns-ordinary-webpages-into-nonsense-for-ai-scrapers/