Neue BOINC-Serverversion & LHC-Seitenverfügbarkeit

[Michael H.W. Weber]

LHC@home berichtete kürzlich von Teilsperrungen ihrer Projektseite wegen massiv automatisiertem Webscraping.
Es git eine neue BOINC-Serverversion, die dafür sorgt, dass viele bislang offene Seiten nur noch nach PW-Eingabe sichtbar werden, um genau dieses "botting" zu verhindern.
Das LHC@home hat davon aber offenbar noch nichts gehört.

Michael.

[MWF]

man sieht es zB an BOINCstats, der Statistikseite von F@H oder auch bei allgemeinen Seiten wie techpowerup, dass die Browser erst automatisierte Aufgaben bewältigen müssen.

Wundert mich, dass anno 2026 die Botaktivitäten zuzunehmen scheinen. Was ist denn so interessant für die AI Bots?

[gemini8]

Alles.

[Michael H.W. Weber]

...sicher ist euch auch schon aufgefallen, dass auch unsere Seite in letzter Zeit manchmal schwer erreichbar ist.

Michael.

[Novas]

man sieht es zB an BOINCstats, der Statistikseite von F@H oder auch bei allgemeinen Seiten wie techpowerup, dass die Browser erst automatisierte Aufgaben bewältigen müssen.

Wundert mich, dass anno 2026 die Botaktivitäten zuzunehmen scheinen. Was ist denn so interessant für die AI Bots?

Die breite Masse im Internet ist in den letzten Jahren zunehmendend durch KI Beiträge "verseucht". Sicher ist nicht alles schlecht, aber es gibt viel das einfach ohne weitere Prüfung online gestellt wird. (Alte) Foren sind ein Blick in die Welt vor der vollautomatisierten Generierung von mehr oder weniger guten Inhalten. Ich vermute mal, dass gerade deshalb viele Foren komplett gescraped werden, da man dort noch an echtes Wissen kommt und vorallem an viele Nieschen. Sicherlich ist da auch nicht immer alles richtig, aber definitiv besser als vieles was du heute durch Google und co. findest.
Außerdem gibt es echte Interaktionen und Diskussionen die auch gut für das Training sein dürfte.

Noch ein Punkt: Bei Reddit, Twitter und co. musst du teuer Geld für Daten zahlen, da diese KIs/Bots blocken und eintritt verlangen. Währenddessen setzen die meisten Foren nicht mal einen einfachen Botschutz ein.

Gute Daten sind Gold. KIs bzw. neuronale Netze kommen kaum an die Originalqualität ihrer Trainingsdaten ran. Du brauchst also sehr gute Daten für sehr gute Modelle (je nach Anwendung gibt es da auch Ausnahmen).