Anubis
PulseAugur coverage of Anubis — every cluster mentioning Anubis across labs, papers, and developer communities, ranked by signal.
7 天有情绪数据
-
Mastodon 部署 Anubis AI 检测以阻止大规模抓取
Mastodon 正在实施一个名为 Anubis 的 AI 检测系统，以打击 AI 公司的大规模抓取行为。该系统采用类似 Hashcash 的工作量证明方案，以增加大规模抓取者的计算成本。目标是保护网站资源免遭因过度抓取而无法访问，同时允许合法用户无缝访问。
-
用户寻求Anubis T恤，幽默地询问Claude AI
一位Mastodon用户表达了对一件印有“Anubis”的T恤的渴望，并幽默地指出了询问Claude AI其可用性的讽刺意味。用户还提到尝试了网络搜索但未成功，并分享了一个与“Anubis”相关的GitHub链接。
-
Mastodon git 仓库因爬虫流量而挣扎，已实施 Anubis
Mastodon 实例 fosstodon.org 因大量爬虫访问而面临其 git 仓库的严重问题，导致出现错误和访问困难。为解决此问题，他们已在其 git 服务上实施了 Anubis，希望能减轻影响。这种情况与 Linux 内核的 git 仓库面临的类似挑战相呼应，后者也正受到自动化爬虫的重点攻击。
-
AI抓取器给Git基础设施带来压力，引发自托管担忧
git.kernel.org 的管理员对AI数据抓取器给该服务带来的巨大资源需求表示担忧。为了应对这种情况，他们使用了90个CPU核心，并将一部分用于专门为这些抓取器渲染提交，即使有Anubis等对抗措施到位。这种高资源需求引发了关于小型、自托管Git服务器能否应对类似AI驱动流量的可行性问题。
-
Kernel.org 遭遇消耗数百万每日请求的 AI 爬虫 · 跟踪 2 个来源
Kernel.org 正在经历 AI 爬虫流量的显著激增，每天数百万的请求压垮了其基础设施。这些机器人，其中一些采用 Anubis 工作量证明，正在消耗大量资源，一份报告指出，跨五个节点的 14 个 CPU 核心专门用于为爬虫渲染提交。尽管努力阻止这些爬虫，但仍有大量爬虫绕过了防御，导致数十亿的重复 URL 请求，而不是高效的代码克隆。
-
作者抨击AI在同意、资源和态度方面存在问题
作者对人工智能表示强烈反对，理由是担心同意、资源消耗以及AI用户的心态。AI公司因不加区分地抓取互联网上的数据进行训练而受到批评，这给服务器带来巨大压力，并迫使用户忍受Cloudflare和Anubis等计算障碍。此外，AI数据中心巨大的电力和水消耗，以及相关的排放和噪音污染，被强调为重大的环境问题。作者还指出，一些AI支持者表现出攻击性和轻蔑的态度，他们无视开发者的意愿，不希望自己的作品被用于AI训练，并将AI描绘成一种用户必须接受…
-
Anubis工具阻止滥用性网络爬虫，而非AI
Anubis是一款旨在阻止滥用性网络爬虫的工具，而非阻止AI。Anubis的创建者承认，实施此类阻止机制是保护网站免受可能造成重大损害的幼稚爬虫程序压垮的必要但令人不快的措施。
-
Mastodon 部署 Anubis 以阻止 AI 网络抓取
Mastodon 正在部署 Anubis，一个旨在阻止 AI 公司大规模抓取网站的系统。Anubis 采用工作量证明机制，类似于用于电子邮件垃圾邮件的 Hashcash，以增加大规模抓取所需的成本和精力。此举旨在防止 AI 公司导致网站停机和无法访问，尽管它可能需要用户禁用某些浏览器插件，如 JShelter。
-
达尔文居民因可访问性问题要求暂停AI数据中心 · 追踪2个来源
澳大利亚达尔文的居民呼吁暂停新建AI数据中心的建设，原因是担心用水量、噪音污染以及靠近居民区。其中一个来源还强调了Anubis的部署，这是一个使用类似于Hashcash的工作量证明方案的机器人检测系统，用于打击AI公司侵略性的网络抓取并确保网站的可访问性。
-
Anthropic 爬虫以无限循环攻击自托管仓库
Anthropic 的爬虫被观察到反复访问一个自托管的 Forgejo 仓库，造成了一个无限循环，下载了大约 200GB 的数据。这种过度的活动给用户的备份流程和上传带宽带来了压力。作为回应，该仓库已被设为私有，并且用户正在考虑实施 Anubis 作为保护措施。
-
Anubis 工具使用工作量证明来阻止 AI 网站抓取
AI 公司正在实施 Anubis 工具来保护网站免受恶意抓取。Anubis 采用类似 Hashcash 的工作量证明系统，以增加大规模抓取者的成本和难度。这种方法旨在减轻因过度抓取造成的网站宕机，从而将更多资源用于识别和阻止自动化浏览器。
-
澳大利亚增设人工智能部门，实施反网络抓取技术
澳大利亚政府在其部长级结构中设立了新的人工智能部门，由Ben Carroll领导。此举伴随着Anubis系统的实施，该系统旨在通过采用类似Hashcash的工作量证明机制来阻止AI驱动的网络抓取。Anubis系统旨在增加自动化机器人的成本和难度，从而保护网站资源并确保合法用户的访问，同时也在探索更先进的方法来识别和阻止未经授权的访问。
-
Anubis HTTP 代理绕过尝试失败，引发 GitHub 仓库创建
一位 Mastodon 用户分享了一个幽默的帖子，讲述了使用补丁和 AI 绕过名为 Anubis 的 HTTP 代理的尝试。帖子幽默地总结说，绕过不成功，将此努力比作夏洛克·福尔摩斯式的调查，对抗一个技术娴熟的对手，并指出此事件导致了一个新的 GitHub 仓库的创建。
-
Anubis 和 Mastodon 集成以阻止 AI 抓取器
一位用户正在详细介绍他们如何将 Anubis 与 Mastodon 集成以阻止 AI 抓取器。主要目标是保护基础设施而不是内容本身，因为这些抓取器消耗大量资源。
-
Linux 内核补丁旨在阐明 Anubis 功能
一位开发者正在为 Linux 内核开发一个补丁，通过 binfmt_misc 中的 bpf 支持 PT_INTERP。这项工作旨在解决 Anubis 系统的功能以及它 intended to prevent 的内容。该工作在 Farid Zakaria 的一篇博客文章中有详细介绍。
-
Mastodon 部署 Anubis 机器人检测系统，采用工作量证明机制
Mastodon 正在实施一项名为 Anubis 的新机器人检测系统，该系统采用了类似于 Hashcash 的工作量证明方案。该系统旨在通过增加大规模抓取器的计算成本来阻止 AI 公司进行侵略性的网站抓取。开发者承认 Anubis 是一个临时解决方案，同时他们也在开发更复杂的方法，例如通过指纹识别无头浏览器来区分合法用户和机器人。
-
Mastodon 部署 Anubis 以通过工作量证明阻止 AI 抓取
Mastodon 正在实施一个名为 Anubis 的系统，以阻止 AI 公司抓取其平台。Anubis 采用类似 Hashcash 的工作量证明机制，增加大规模抓取程序的计算成本。目标是保护网站资源免受激进抓取的压垮，并计划通过指纹识别无头浏览器等方法进一步完善机器人检测。
-
Mastodon实例遭受大规模AI机器人攻击
“.online”Mastodon实例正遭受重大的分布式拒绝服务（DDoS）攻击，主要针对其AI挑战验证系统。一周内收到了超过80万次请求，其中98%的Anubis挑战被拒绝，表明机器人流量大量涌入。此次攻击正在影响该实例的性能和可用性。
-
Anubis 工具在保护 Web 服务器免受 AI 机器人侵害方面展现出潜力
Anubis 是一款 Web 服务器保护工具，已成功部署并显示出在防御 AI 机器人方面有希望的结果。该工具似乎能提供有效的保护，尤其针对 Web 服务器。
-
SourceHut通过新的Anubis系统阻止AI抓取器
SourceHut是一个用户资助的开源平台，它实施了一个名为Anubis的新系统来阻止侵略性的AI和LLM抓取器。这项举措是保护用户数据和隐私工作的一部分，并且一份关于“无AI”立场的白皮书正在开发中。该平台区分了可接受的数据收集（例如用于搜索引擎索引和存档）和不可接受的用途（例如AI训练和SEO抓取），强调其对用户管理的承诺。