當(dāng)AI時代遇上AI爬蟲

• 2018年8月1日 ZhangHongYuan來源：新浪 1350 89
• 繁體

• 

  2018-2023年中國量子通信行業(yè)發(fā)展評估與投資前景預(yù)測分析報告

  量子通信是指利用量子糾纏效應(yīng)進行信息傳遞的一種新型的通訊方式。量子通訊是近二十年發(fā)展起來的新型交叉學(xué)科，是量子論和信息論相結(jié)合的新的研究領(lǐng)域。量子通信主要涉及：量子密碼通信、量子遠...

因為爬蟲技術(shù)造成的大量IP訪問網(wǎng)站侵占帶寬資源、以及用戶隱私和知識產(chǎn)權(quán)等危害，很多互聯(lián)網(wǎng)企業(yè)都會花大力氣進行“反爬蟲”。

爬蟲制造者說：

道德是反爬蟲的最好方法?

就著這個話題，我們還和兩位碼Python的程序員朋友聊了聊。

要知道程序員們是一種非常具有個性的生物，很難在問題中達成一致，尤其是在“什么才是最好的語言”、“早期的錘子手機是不是垃圾”這樣的問題上。但在反爬蟲的問題上，程序員們似乎呈現(xiàn)出了空前的一致。

一位就職于小型OTA的程序員表示，公司在剛剛起步時經(jīng)常會要求他們爬取旅游網(wǎng)站的旅游路線，這時他們通常會選擇中青旅遨游網(wǎng)這樣傳統(tǒng)企業(yè)基因更濃厚的網(wǎng)站，因為他們“反爬蟲能力幾乎為0”。

而另一位大廠程序員表示，公司通常會把爬取數(shù)據(jù)這樣的臟活累活外包出去，而在反爬蟲時，如果數(shù)據(jù)爬取方技術(shù)足夠好，不給服務(wù)器帶來過分的帶寬壓力，在滿足了KPI前提下他們甚至?xí)犚恢谎坶]一只眼。

同時雙方都承認(rèn)，有時候會自己出于興趣制作一些小爬蟲程序，方便獲取一些數(shù)據(jù)。

在提到爬蟲技術(shù)的合法性時，他們告訴我，法律很難阻止爬蟲技術(shù)。除非在競品之間、涉及到對用戶原創(chuàng)內(nèi)容的批量搬運，類似之前360快視頻批量搬運B站視頻、以及近期出現(xiàn)的大眾點評批量搬運小紅書內(nèi)容等等。至于那些爬取他人數(shù)據(jù)用作分析的，一方面難以取證確定對象，另一方面整個訴訟過程會非常漫長，企業(yè)很難清楚的展現(xiàn)出自己哪里受了損失，通常是以“不正當(dāng)競爭”這樣的萬金油控訴對方。

當(dāng)我們問到他們，從技術(shù)角度有沒有什么好的反爬蟲手段時，他們告訴我最好的反爬蟲手段并非技術(shù)也并非法律，而是公關(guān)——帶上截圖找?guī)讉€媒體爆料一下，帶點侵權(quán)、入侵?jǐn)?shù)據(jù)庫、隱私信息方面的影射，就可以立刻從道德的制高點搞臭對方，讓人不會注意到你司的反爬蟲技術(shù)不到位。如果對方是上市公司，效果更佳。

當(dāng)AI時代遇上AI爬蟲，

戰(zhàn)爭才剛剛開始

“道德反爬蟲”雖然只是笑談，但一定程度上表示出了企業(yè)技術(shù)人員對爬蟲的無可奈何。但可以預(yù)見的是，隨著大數(shù)據(jù)和機器學(xué)習(xí)應(yīng)用越來越廣，對爬蟲睜一只眼閉一只眼、與爬蟲和平共處的時代很快就要過去了。

最主要的問題是，爬蟲的出現(xiàn)會極大地增加數(shù)據(jù)分析難度。

當(dāng)數(shù)據(jù)分析企業(yè)利用爬蟲獲取數(shù)據(jù)進行分析時，大量爬蟲的存在正在讓這些數(shù)據(jù)失實。文章瀏覽量的失實讓我們誤判人們對新聞事實的關(guān)注程度、爬蟲衍生出的虛擬IP需要在數(shù)據(jù)清洗時剔除……技術(shù)越高超的爬蟲，在行為模式上就越接近真人，也就更加增加數(shù)據(jù)分析時的難度。久而久之，那些我們以為從人類行為中尋找規(guī)律的算法，反而尋找到的是機器人的行為規(guī)律。

同時爬蟲帶來的流量波動也會讓機器學(xué)習(xí)算法產(chǎn)生誤判。

最典型的例子是機票的動態(tài)定價，網(wǎng)站會結(jié)合當(dāng)下瀏覽量判定機票的搶手程度并且調(diào)整價格。這時如果有大量爬蟲在瀏覽網(wǎng)站，算法就會給出和實際情況并不符合的定價，也損傷了消費者購買到廉價產(chǎn)品的權(quán)益。

甚至一些數(shù)據(jù)分析企業(yè)還打出了“AI爬蟲”的招牌，讓爬蟲腳本的行為模式更加接普通用戶，讓被爬的企業(yè)難以發(fā)掘，甚至還會利用圖像識別技術(shù)破解網(wǎng)站用作攔截的驗證碼。

在這種情況下，網(wǎng)站分辨人與機器人就變得更加困難也更加重要。很多網(wǎng)站也開始利用機器學(xué)習(xí)技術(shù)反制AI爬蟲，比如為圖形驗證碼動態(tài)打碼應(yīng)對圖像識別。同時現(xiàn)在PC和移動終端的硬件技術(shù)發(fā)展，也讓生物識別這種更復(fù)雜的驗證手段有可能加入戰(zhàn)斗。雙方正在站在同一水平線上，利用技術(shù)互相斗法。

可以說爬蟲技術(shù)和反爬蟲技術(shù)之間斗爭了十幾年，可真正的“戰(zhàn)爭”卻從現(xiàn)在才剛剛開始。在徹底制服惡意爬蟲之前，對于一切大數(shù)據(jù)、精準(zhǔn)預(yù)測之類的“吹噓”，我們最好保持著三分懷疑。

延伸閱讀

推薦閱讀

猜您喜歡