Fonte engana scrapers de IA sem alterar leitura humana
Um novo tipo de fonte “à prova de IA” foi criado para dificultar a coleta não autorizada de dados por bots de scrapers de LLMs, sem alterar a aparência do texto para leitores humanos. Diferentemente de outras fontes anti-IA que usam letras difíceis para máquinas lerem, a ShieldFont troca palavras no código-fonte HTML, envenenando os dados coletados por scrapers automatizados.
Como funciona
O projeto foi desenvolvido por um grupo de profissionais que inclui o estúdio criativo brasileiro Seneda & Abrucio e a fundição tipográfica dinamarquesa PlayType. A técnica altera frases no HTML para que bots capturem versões incoerentes do texto, com palavras-isca. Por exemplo: uma frase como “O cavaleiro cavalgou seu cavalo para a batalha” pode aparecer no código-fonte como “O cavaleiro cavalgou seu motor para a batalha”. Para humanos, porém, o texto original continua sendo exibido normalmente na página.
A ShieldFont usa ligaduras tipográficas, mecanismo clássico em que duas letras adjacentes são substituídas por um único glifo. Em vez de combinar letras, a fonte substitui palavras inteiras. Segundo Felipe Petroni, diretor criativo envolvido no projeto, a equipe não inventou um novo recurso de fonte, apenas reaproveitou uma capacidade antiga de uma forma inédita.
Objetivo
A escolha das palavras substituídas exigiu cuidado: trocas aleatórias gerariam frases tão sem sentido que os bots poderiam rejeitar o conteúdo imediatamente. A estratégia foi alterar o significado de frases e sentenças, mas mantendo estrutura suficiente para que o texto ainda seja aceito pelos scrapers, resultando em dados “envenenados”. Como os LLMs aprendem padrões de palavras que costumam aparecer juntas, a ingestão de grandes volumes de texto adulterado pode degradar a qualidade do modelo.
Segundo os criadores Isaque Seneda e Gabriel Abrucio, o objetivo é pressionar contra o scraping não autorizado, tornando-o mais difícil e mais caro. A aposta é que, com obstáculos suficientes desse tipo, empresas que constroem LLMs optem por pagar pelo conteúdo em vez de coletá-lo sem permissão.