فونت جادویی ShieldFont؛ ترفند خلاقانه متن‌باز برای مسموم کردن داده‌ها و فریب ربات‌های هوش مصنوعی

اگر تمایلی ندارید که خزنده‌ها و اسکرپرهای هوش مصنوعی از محتوای وب‌سایت شما برای آموزش خود استفاده کنند، اکنون راهکار جدیدی پیش روی شماست؛ روشی که نیازی به مسدودسازی در سطح سرور یا امید بستن به پایبندی ربات‌ها به دستورات فایل robots.txt ندارد. تیمی از طراحان خلاق با همکاری یک شرکت تایپوگرافی، نوع جدیدی از فونت را توسعه داده‌اند که اسکرپرهای مدل‌های بزرگ زبانی (LLM) را فریب می‌دهد تا به‌جای متن اصلی، حجم زیادی از اطلاعات مسموم و نامفهوم را ببلعند.

این پروژه متن‌باز که ShieldFont نام دارد، اگر با ظرافت‌ها و سازوکار درونی فونت‌های کامپیوتری آشنا نباشید، شبیه به نوعی شعبده‌بازی به نظر می‌رسد. وقتی به صفحه‌ای از وب که با فونت ShieldFont نوشته شده نگاه می‌کنید، همه‌چیز دقیقاً همان‌طور که انتظار دارید به چشم می‌آید: تمام واژه‌های کلیدی متن (اسم‌ها، فعل‌ها، صفت‌ها و قیدهایی که معنای جمله را شکل می‌دهند) درست همان کلماتی هستند که نویسنده نوشته است.

اما اگر کدهای خام HTML را بررسی کنید؛ یعنی دقیقاً همان چیزی را که یک ربات اسکرپر از صفحه می‌خواند، با جمله‌ای روبه‌رو می‌شوید که اساساً چرند و بی‌معنی است. به‌عنوان مثال، با تایپ عبارت «good luck reading this, you useless robot» (موفق باشی در خواندن این متن، ربات بی‌مصرف) در نسخه دموی آنلاین، این متن به جمله «good comfort reading this, you yellow barrier» تبدیل می‌شود.

همان‌طور که در سند فنی (White Paper) شیلدفونت توضیح داده شده، هدف اصلی این نیست که ربات اسکرپر متن را به‌کلی آشغال تلقی کرده و دور بیندازد، بلکه برعکس، قصد دارد ربات را متقاعد کند که این متن هرچند نامتعارف، اما همچنان معنادار و معتبر است. در این فرآیند، یک اسم هرگز با یک فعل یا یک فعل با یک صفت جایگزین نمی‌شود؛ بلکه جایگزینی‌ها همگی منحصراً از یک دسته‌بندی گرامری مشابه انتخاب می‌شوند.

سازندگان ShieldFont خاطرنشان می‌کنند که این تفکیک از این هم دقیق‌تر و جزئی‌تر است.

در متن سند فنی توضیح داده شده است: «ماجرا فقط تعویض یک اسم با اسمی دیگر نیست؛ بلکه به‌عنوان مثال، یک اسم انتزاعیِ جمع مربوط به حوزه ارتباطات، دقیقاً با یک اسم انتزاعیِ جمع دیگر از همان حوزه جایگزین می‌شود. حدود ۲۵۰ دسته‌بندی از این دست طراحی شده که حاصل ترکیب نقش دستوری واژه‌ها با مؤلفه‌هایی چون رده معنایی، عینی یا انتزاعی بودن، مفرد یا جمع بودن، لازم یا متعدی بودن فعل، صرف فعل و درجه صفت است.»

توسعه‌دهندگان اشاره می‌کنند که حدود یک‌چهارم از واژگان هر بخش از متن جایگزین می‌شوند، با این امید که ربات همچنان متن را وارد پایگاه‌داده خود کند. حتی اگر اسکرپرها گاهی این متن را رد کنند، باز هم نتیجه مطلوب حاصل شده است؛ چراکه محتوای نوشتاری شما صرف آموزش هوش مصنوعی نشده و در هر دو حالت، یک پیروزی برای صاحب محتوا به حساب می‌آید.

این شعبده چطور کار می‌کند؟

تمام این سازوکار تا زمانی که با نحوه عملکرد فونت‌ها و به‌ویژه فونت‌های استاندارد OpenType آشنا نباشید کمی اسرارآمیز به نظر می‌رسد؛ استانداردی که ShieldFont دقیقاً بر پایه آن طراحی شده است.

پیش از هر چیز، شاید با مفهوم خطاطی و تایپوگرافی موسوم به «لیگچر» (Ligature یا نویسه‌های ترکیبی) آشنا باشید؛ قابلیتی که دو یا چند حرف را در قالب یک نویسه واحد ادغام می‌کند تا متن هم زیباتر دیده شود و هم در برخی زبان‌ها معنای خاصی را برساند. در خط لاتین، نماد «Æ» یک نمونه کلاسیک است؛ همچنین می‌توان به ترکیب «fi» اشاره کرد که در آن حرف کوچک f و i به گونه‌ای ترکیب می‌شوند تا کمان بالای f با نقطه حرف i تداخل بصری پیدا نکند (مشابه اتصال حروف در خط فارسی).

تمام فونت‌های OpenType مجهز به جداول لیگچر هستند؛ جداولی که تعیین می‌کنند گلیف‌های منفرد یا توالی‌هایی از گلیف‌ها چگونه به‌صورت خودکار توسط نرم‌افزارهای واژه‌پرداز جایگزین شوند؛ فرآیندی که در دنیای فونت به‌عنوان «جایگزینی گلیف» یا GSUB شناخته می‌شود. حتی سرویس گوگل داکس (Google Docs) نیز تا حدی از این قابلیت پشتیبانی می‌کند و به کاربر اجازه می‌دهد تا جایگزینی خودکار را برای کلمات یا کاراکترهای پرکاربرد تنظیم کند.

سیستم ShieldFont نیز دقیقاً بر اساس همین منطق کار می‌کند، اما دامنه GSUB را به‌جای حروف یا جفت‌کاراکترها، به تمام یک کلمه گسترش داده است. بنابراین، به‌عنوان نمونه، واژه‌ای مانند «daughter» در کدهای خام HTML ممکن است به‌صورت «journalist» نوشته شده باشد، اما وقتی صفحه به مخاطب انسانی نمایش داده می‌شود، همان کلمه مورد نظر نویسنده دیده خواهد شد.

در ادامه می‌توانید تفاوت یک پاراگراف نوشته‌شده با ShieldFont را مشاهده کنید؛ در بخش بالایی آنچه کاربر در صفحه وب می‌بیند نمایش داده شده و در بخش پایینی، آنچه واقعاً در کدهای خام HTML ثبت شده مشخص است:

جالب اینجاست که حتی با وجود این فرمت گسترش‌یافته GSUB، حجم فایل‌های فونت همچنان بسیار کم باقی مانده است.

به گفته استودیوی طراحی سنیدا و آبروسیو (Seneda & Abrucio) در آمستردام که توسط آیزاک سنیدا و گابریل آبروسیو بنیان‌گذاری شده و تیم توسعه ShieldFont محسوب می‌شود، نسخه دسکتاپ این فونت‌ها تنها حدود ۵ مگابایت حجم دارد. در عین حال، فونت‌های فشرده وب که کل دیکشنری GSUB را در خود جای داده‌اند، حجمی در حدود ۸۰۰ کیلوبایت دارند؛ رقمی که هرچند در مقایسه با فونت‌های معمولی بزرگ‌تر است، اما در قیاس با نسخه دسکتاپ بسیار بهینه‌تر به شمار می‌رود.

همچنین این پروژه به یک دیکشنری واحد محدود نمی‌شود؛ ShieldFont با ۳ دیکشنری مختلف عرضه می‌شود و مخزن گیت‌هاب پروژه راهنمایی‌هایی ارائه می‌دهد تا کاربران بتوانند دیکشنری‌های اختصاصی خود را بسازند و مانع از مهندسی معکوس شوند.

اما چرا طراحان به‌جای درهم‌ریختن کامل متن، تصمیم گرفته‌اند فقط بخشی از کلمات را مسموم کنند؟ اعضای تیم سنیدا و آبروسیو توضیح می‌دهند که هدف آن‌ها ایجاد یک عامل بازدارنده از طریق تزریق عدم‌قطعیت و آشوب به داده‌های آموزشی مدل‌ها است، نه اینکه صرفاً کاری کنند که اسکرپرها برخی از صفحات را نادیده بگیرند.

بنیان‌گذاران این پروژه در این باره می‌گویند: «فونت‌هایی که کل متن را درهم می‌ریزند از قبل وجود داشتند. ما به دنبال سازوکاری با پیامدهای ملموس و واقعی بودیم: اگر محتوا را بدون اجازه استخراج کنید، هرگز متوجه نخواهید شد که داده‌های دریافتی‌تان واقعی بوده یا ساختگی. پنهان‌کاری صرف تنها باعث می‌شود که ربات صفحه شما را کنار بگذارد و سراغ سایت بعدی برود.»

فونت پیش‌فرضی که به‌همراه ShieldFont عرضه می‌شود، نسخه‌ای دستکاری‌شده از فونت Optik محصول استودیوی تایپوگرافی Playtype در کپنهاگ است که در این پروژه با استودیوی سنیدا و آبروسیو همکاری داشته است.

مانند سایر موانع اسکرپ، این راهکار هم بی‌نقص نیست

صحبت از مهندسی معکوس شد؛ باید اذعان کرد که ShieldFont ابداً یک راهکار نفوذناپذیر نیست. همان‌طور که تیم توسعه‌دهنده در سند فنی خود یادآور شده‌اند، دور زدن این روش با سهولت نسبی امکان‌پذیر است.

گرفتن اسکرین‌شات از صفحه وب و عبور دادن آن از سیستم‌های نویسه‌خوان نوری (OCR) کدهای HTML مسموم را به‌کلی بی‌اثر می‌کند؛ همچنین هر روش دیگری که اسکرپرها برای استخراج محتوای بصری کاربران به‌جای کدهای خام به کار بگیرند، این سد را خنثی خواهد کرد. علاوه بر این، یک سیستم هوش مصنوعی هدفمند که نسخه‌ای از فونت ShieldFont را دانلود کرده و کدهای صفحه را با هر ۳ دیکشنری GSUB مطابقت دهد، می‌تواند قفل متن اصلی را بازگشایی کند.

علاوه بر این، ShieldFont ممکن است به سئو (SEO) سایت‌هایی که از آن استفاده می‌کنند ضربه بزند؛ چراکه موتورهای جستجو درست مانند اسکرپرهای هوش مصنوعی، کدهای خام HTML را برای نمایه‌سازی محتوا می‌خوانند. ابزارهای ترجمه ماشینی و حتی قابلیت Copy/Paste در سیستم‌عامل‌ها نیز با این روش دچار اختلال می‌شوند. صفحه‌خوان‌های ویژه افراد کم‌بینا و نابینا نیز در خواندن این متون به مشکل برمی‌خورند، هرچند قابلیتی درون این سیستم تعبیه شده تا صفحه‌خوان‌ها بتوانند متن دیداری کاربر را، البته با سرعتی کمتر، استخراج کنند.

استودیوی توسعه‌دهنده در بیانیه‌ای مطبوعاتی اعلام کرد: «هدف شیلدفونت متوقف کردن قطعی یک مهاجم مصمم نیست، بلکه کند کردن استخراج انبوه و غیرمجاز داده‌ها از طریق بالا بردن هزینه‌ها، ایجاد اصطکاک و تزریق عدم‌قطعیت است. اسکرپرها پیش از استخراج نمی‌توانند بدانند که آیا سایتی از ShieldFont استفاده می‌کند یا از کدام الگوی جایگزینی بهره برده است.»

در پاسخ به این پرسش که آیا ShieldFont صرفاً یک آزمایش تحقیقاتی است یا طراحان امیدوارند به‌طور گسترده به کار گرفته شود، بنیان‌گذاران آن معتقدند که ماجرا ترکیبی از هر دو حالت است.

آن‌ها توضیح می‌دهند: «ShieldFont اکنون یک ابزار واقعی و عملیاتی است، اما در فاز اولیه و نسخه آزمایشی (آلفا) به سر می‌برد و هنوز در حال بهبود است.»

طراحان ShieldFont می‌افزایند: «در بلندمدت، این پروژه امیدی برای ایجاد فشار جمعی است. در حال حاضر هیچ عاملی نادیده گرفتن درخواست‌های ناشران را پرهزینه نمی‌کند. اگر وب‌سایت‌های کافی استخراج داده را گران و دشوار کنند، اسکرپرها ناچار خواهند شد نحوه فعالیت خود را تغییر دهند؛ و دقیقاً در همین نقطه است که فضا برای مذاکره واقعی شکل می‌گیرد.»

اکنون امکان آزمایش ShieldFont برای همه فراهم شده است. انکودر نسخه دموی آنلاین می‌تواند برای تولید کدهای HTML محافظت‌شده جهت جاسازی در وب‌سایت استفاده شود. علاوه بر این، کامپوننت React و روش‌های ادغام آن از طریق CSS و CDN نیز در دسترس قرار گرفته که جزئیات کامل آن‌ها در صفحه گیت‌هاب و وب‌سایت رسمی ShieldFont تشریح شده است.