ShieldFont 用字體餵錯料畀 AI scraper，網站開發者要先計清五筆代價

畫面係原文，HTML 就係另一回事

ShieldFont 呢招幾古惑：網站交畀瀏覽器嘅 HTML，擺住嘅其實係換過字嘅句子；專用字體再用 OpenType GSUB ligature，將整個誘餌字串畫成原本想顯示嘅英文字。人眼睇落篇文完全正常，只下載 HTML、抽 textContent 或解析 DOM 嘅平價 scraper，就會拎到文法通順但意思錯晒嘅版本。傳統 ligature 多數將「fi」合成一個順眼 glyph，ShieldFont 就將同一套字形替換機制推到成個英文字咁長。

目的係整污糟資料，效果仍然屬早期

官方聲稱，字典以一萬個常用英文字做基礎，集中換走名詞、動詞、形容詞同副詞。佢哋用新聞、獨立網站同小說合共 1,500 段文字測試，換走約四分一字詞後，有一半段落已經講唔返原本嘅事實；經 FineWeb-Edu 品質篩選時，大約九成原本合格嘅內容會俾篩走，餘下一成就帶住錯誤意思入資料集。呢啲數字全部來自 ShieldFont 團隊嘅白皮書，暫時冇大規模獨立驗證，連團隊都承認細模型測試未足以證明會拖低大型模型。

OCR 同拆字體，都行得通

有心針對某個網站嘅 scraper，可以載入頁面、截圖再跑 OCR，直接讀返人眼見到嘅字。另一條路仲直接：下載字體檔，抽出 GSUB 替換表，再反向解碼 HTML。ShieldFont 團隊話，佢哋自己已完整還原公開字體入面 11,962 組配對，而且零錯誤。網站可以另造私人字典，令通用 decoder 失效，不過映射仍然藏喺訪客要下載嘅字體檔。保護力主要來自迫對方逐站分析、渲染或跑 OCR，令大量抓取貴咗同慢咗。

SEO 代價可能重過擋 crawler 嘅收益

搜尋引擎索引嘅同樣係 HTML 字詞，所以官方 GitHub 明確警告，想靠 Google 帶流量嘅內容唔好包入 ShieldFont。Googlebot 本身會執行 JavaScript 同渲染網頁，但索引仍以可讀取嘅文件內容為基礎，唔會單靠字形外觀估返原句。另一個漏洞係 RSS、OpenGraph、JSON-LD、CMS API 同電郵 newsletter：呢啲出口通常直接用資料庫原文生成，未一併編碼就等於留咗幾道純文字側門，crawler 連字體都唔使處理。

複製文字同 screen reader 要靠補丁

基本模式下，複製貼上、頁內搜尋、翻譯同 Reader Mode 拎到嘅都可能係誘餌字。ShieldFont 有個 beta 純文字模式：先用 aria-hidden 收起錯字，再由瀏覽器跑 JavaScript 解開原文，畀 screen reader 同剪貼簿使用。不過官方亦講明，使用者要等幾秒，而且即使全開無障礙功能，受保護區塊仍過唔到 WCAG 2.2 SC 1.3.1；強制改用自訂字體時，畫面更可能直接顯示錯誤英文。對新聞、教育、政府或企業網站嚟講，呢筆代價唔細。

粵語網站而家用唔着核心功能

現版本只處理英文，中文同其他語言會原樣放行。英文、中文混合嘅頁面亦只保護到部分內容，所以粵語內容站即使裝好套件，正文大多數仍可照抓。再計埋 SEO、metadata、無障礙同前端相容性，ShieldFont 暫時較適合唔依賴搜尋流量、以長篇英文為主，而且願意自行整私人映射嘅小眾出版項目；一般媒體全站套用，風險高過實際收益。

放喺現有防線後面先合理

robots.txt 只係向 crawler 表達規則，對方肯唔肯跟仍由佢決定；Cloudflare 呢類服務就可以按 Search、Agent、Training 行為分類，再用 WAF 阻擋已識別嘅 bot。ShieldFont 主要對付漏網 crawler，等入到頁面嘅廉價 scraper 只拎到較差嘅資料。開發者現階段可以喺非關鍵英文頁面做隔離測試，同時檢查 Search Console、screen reader、剪貼簿、RSS 同 structured data；等有獨立研究同非英文支援，再考慮擴大使用範圍。

參考來源

• Ars Technica — The web’s newest weapon against AI scrapers is a font — original report
• ShieldFont 官方網站 — 官方示範、安裝方法、測試數字、OCR 限制同無障礙模式說明。
• The Consent Layer — ShieldFont White Paper — 研究方法、品質篩選結果、字詞替換策略同早期模型測試限制。
• ShieldFont GitHub — 原始碼、框架整合方法，以及 SEO、WCAG、中文支援、複製貼上同 feeds 漏洞等已知限制。
• Google Search：JavaScript SEO 基礎 — 核對 Googlebot 點樣抓取、渲染同索引 JavaScript 網頁。
• Google Search：robots.txt 使用限制 — 說明 robots.txt 依賴 crawler 自願遵守，唔屬於存取控制。
• Cloudflare：Block AI Bots — 比較可按 Search、Agent 同 Training 行為執行嘅網絡層阻擋方案。

本文根據原文及公開資料整理；資料有出入時，以原文及官方資料為準。