[EN] Perplexity está ofuscando su identidad para robar la información de los sitios web

Cloudfare detalla una investigación sobre como Perplexity está usando técnicas de scraping para ofuscar su identidad y evitar los bloqueos por parte de las webs, ignorando así el deseo de sus dueños como se define en el fichero robots.txt. Entre las tecnicas que usan: rotación de ips, usar browser fingerprint falsos, ignorar el robots.txt.

[#1 Torrezzno]

El articulo es muy bueno, han usado un honeypot (unas web falsas) para inducir a Perplexity a robar el contenido de estas. Lo más interesante es que cuando CloudFare se lo pone complicado usando reglas avanzadas para detección de bots entonces la IA directamente alucina y da contenido incorrecto.  

[#4 ContracomunistaCaudillo]

La IA se está cargando Internet.

[#8 R2dC]

#4 Bueno, eso ya lo empezaron haciendo las grandes empresas que se dedican a la publicidad. Aunque prefieren ser llamadas "grandes tecnológicas".  

[#9 moxid]

#4 internet es un foro

[#2 Rorschach_]

Joder, ignorar el txt no es ofuscación.

[#3 Torrezzno]

#2 hay que leer, no ofuscarse

[#5 tul]

#3 no se ofusque con este terror tecnologico que ha construido

[#6 Rorschach_]

#3 La ofuscación se refiere a encubrir el significado de una comunicación haciéndola más confusa y complicada de interpretar.

#5

Que saltarse un txt no os ofusque.

[#7 R2dC]

#2 El robots.txt siempre me pareció una medida de seguridad? privacidad? de mierda. "Oye, porfavorcito scraper, no entres en la carpeta 'matematicas' de mi servidor"

[#10 Setis]

#7 Una declaración de permisos entre caballeros. Pero de esos quedan pocos.

Lo que sí debería servir es para demandas. "Yo no sabía que no estaba permitido leer el contenido" - "Lo pone en el robots.txt que es el estándar para estas cosas"