IA · 13 agosto 2026 · 4 min di lettura
ShieldFont: il font anti-scraping che avvelena i dati dell'IA senza disturbare i lettori
In sintesi: I designer Isaque Seneda e Gabriel Abrucio hanno ideato ShieldFont, un carattere tipografico progettato per proteggere i contenuti web dallo scraping non autorizzato per l'IA. Sfruttando le legature OpenType, il font mostra la pagina corretta agli utenti umani mentre inserisce nel codice HTML parole sintatticamente valide ma fuori contesto, avvelenando i dataset dei crawler.
di Team Mocchi's
La guerra invisibile tra publisher e crawler IA
Negli ultimi due anni, l'addestramento dei grandi modelli linguistici (LLM) ha innescato uno scontro senza precedenti tra i produttori di contenuti digitali e le aziende di intelligenza artificiale. I tradizionali strumenti di blocco, come il file robots.txt o le regole sul traffico IP, si sono rivelati del tutto insufficienti: molti crawler ignorano le direttive volontarie, mentre l'uso di blocchi aggressivi o CAPTCHA rischia di peggiorare l'esperienza di navigazione degli utenti reali e compromettere l'indicizzazione sui motori di ricerca.
In questo scenario di crescente tensione nasce ShieldFont, una soluzione sviluppata dai designer Isaque Seneda e Gabriel Abrucio. Presentata in un recente white paper, l'idea trasforma uno dei componenti base della grafica web — il font tipografico — in un'arma di difesa attiva per avvelenare i dataset dei bot senza alterare la lettura per le persone.
Come funziona ShieldFont: l'illusione delle legature
Per comprendere la meccanica di ShieldFont occorre guardare al funzionamento delle legature OpenType. Nello sviluppo web standard, le legature sono combinazioni tipografiche progettate per sostituire sequenze di caratteri vicini (come "fi" o "fl") con un unico simbolo grafico visivamente piu gradevole. ShieldFont porta questo concetto all'estremo: invece di unire due lettere, mappa intere parole presenti nel codice sorgente HTML e le sostituisce a schermo con la resa grafica della parola desiderata.
Quando un lettore umano visita una pagina protetta da ShieldFont, il motore grafico del browser scarica il font personalizzato e disegna a schermo la frase corretta. Tuttavia, il codice HTML sottostante inviato dal server contiene un testo del tutto diverso. Come riporta Ars Technica, se l'HTML contiene la parola "patata", il file del font fa si che il browser la mostri visivamente come "cavallo". Il lettore legge "Il cowboy cavalcava un cavallo", ma il crawler che scarica il sorgente grezzo memorizza "Il cowboy cavalcava una patata".
Avvelenamento semantico: perche spiazza i filtri di pulizia
La vera innovazione di ShieldFont risiede nella strategia di alterazione del testo. Se una pagina web si limitasse a sostituire le parole con sequenze casuali di lettere o simboli incomprensibili, i crawler piu avanzati individuerebbero immediatamente l'anomalia tramite metriche di perplessita e scarterebbero la pagina prima di includerla nel dataset.
Per aggirare questo filtro, ShieldFont impiega un dizionario di circa 12.000 termini comuni, sostituendo all'incirca il 24,5% delle parole di una pagina con termini appartenenti alla stessa categoria grammaticale ma a contesti semantici completamente diversi. I sostantivi vengono rimpiazzati da altri sostantivi, i verbi da altri verbi e gli aggettivi da altri aggettivi. Il risultato per il bot e un testo sintatticamente impeccabile e apparentemente naturale, ma privo di senso logico o scientifico. Per evitare che gli sviluppatori di IA possano decifrare il codice invertendo il dizionario, ShieldFont supporta tre diverse mappature per ogni parola e consente di variare gli accoppiamenti da un paragrafo all'altro.
I limiti tecnici e la risposta dei crawler
Nonostante la brillantezza del meccanismo, ShieldFont presenta alcune criticita strutturali che ne limitano l'adozione universale. La prima riguarda l'accessibilita: gli screen reader usati dalle persone con disabilita visive leggono il testo contenuto nell'HTML sottostante, finendo per pronunciare frasi prive di senso. Esiste inoltre una questione legata ai motori di ricerca tradizionali, che potrebbero penalizzare le pagine se l'indicizzazione non tiene conto della resa grafica.
Sul fronte dell'IA, la contromossa teorica per le aziende di machine learning consisterebbe nell'usare browser "headless" dotati di riconoscimento ottico dei caratteri (OCR) per estrarre il testo direttamente dal rendering visivo della pagina. Tuttavia, eseguire l'OCR e il rendering completo di miliardi di pagine web farebbe lievitare i costi di calcolo ed energia dei crawler di diversi ordini di grandezza, rendendo lo scraping su larga scala economicamente insostenibile.
Il punto di Mocchi's
L'emergere di soluzioni come ShieldFont dimostra come la protezione dei dati sul web stia evolvendo da una logica di barriera passiva a strategie di difesa attiva basate sull'offuscamento. Per le aziende italiane che producono documentazione tecnica, analisi proprietarie o contenuti ad alto valore, fare affidamento solo sulle regole tradizionali come robots.txt non e piu sufficiente a tutelare la proprieta intellettuale. Sebbene l'uso di font con legature modificate comporti compromessi in termini di accessibilita e SEO che vanno valutati attentamente caso per caso, questo esperimento traccia una strada chiara: la sicurezza dei contenuti digitali richiederà sempre piu un'architettura multilivello, capace di proteggere i dati direttamente nel momento in cui vengono distribuiti in rete.