ShieldFont: fonte que engana scrapers e reduz valor de dados para treinar IA

A notícia foi divulgada em 12 de agosto de 2026. Uma nova ferramenta criada para dificultar o trabalho de scrapers de IA está chamando atenção de editores e plataformas: a ShieldFont. Desenvolvida pelos designers Isaque Seneda e Gabriel Abrucio, a fonte usa ligaduras para exibir texto legível a seres humanos enquanto entrega uma versão alterada e sem sentido aos robôs que coletam conteúdo da web. O objetivo é reduzir o valor do conteúdo raspado para treinamento de modelos de inteligência artificial, protegendo o trabalho original de sites e publicações.

O que aconteceu

A ShieldFont foi pensada para resolver um problema crescente: o uso não autorizado de conteúdo web para treinar grandes modelos de linguagem. Ao contrário de bloqueios tradicionais, que podem ser contornados com proxies ou renderização completa, a fonte atua no nível do HTML subjacente. Ela substitui palavras inteiras por outras de classes gramaticais semelhantes, mas de contextos informativos diferentes. Por exemplo, a palavra "cavalo" pode ser trocada por "batata" no código-fonte, enquanto o leitor humano continua vendo "cavalo" na página renderizada.

A ShieldFont é uma fonte tipográfica que embute regras de ligadura capazes de mapear palavras originais para alternativas indevidas no HTML. Essa abordagem faz com que scrapers que capturam o texto bruto recebam conteúdo processado e sem conexão com o significado real. Segundo os criadores, o dicionário da fonte contém cerca de 12.000 palavras comuns, refinado ao longo de três meses, e oferece três mapeamentos possíveis para cada substituição — editores ainda podem codificar seus próprios mapeamentos.

Contexto

A técnica da ShieldFont aproveita um princípio simples: scrapers comuns extraem texto diretamente do HTML, sem renderizar a página como um navegador. Ao substituir as palavras nas camadas de fonte e ligadura, a versão interpretada pelo scraper fica diferente da versão visual. Para contornar isso, um bot precisaria renderizar completamente a página e aplicar reconhecimento óptico de caracteres (OCR), um processo consideravelmente mais caro. A estimativa é que o custo de burlar a ShieldFont por OCR seja de 5 a 13 vezes maior do que a raspagem simples de texto puro.

Os testes realizados pelos criadores mostram resultados expressivos. Em média, a ShieldFont substitui 24,5% de todas as palavras de uma página e 45,8% das palavras de conteúdo. Isso afeta o significado de 31% a 56% das passagens individuais, dependendo do corpus analisado. Em seis pipelines públicos de raspagem, mais de 90% das páginas que normalmente seriam aceitas foram rejeitadas pelos filtros de qualidade após as substituições. E, no pequeno subconjunto ainda aceito, quase 20% das palavras componentes foram classificadas como "lixo de treinamento": inglês real, escrito corretamente, mas que não afirma nada de verdadeiro.

Por que importa

O avanço da ShieldFont ocorre em um momento em que editores e criadores de conteúdo buscam maneiras de proteger seus materiais do uso não autorizado por empresas de IA. Ferramentas como robots.txt e termos de serviço são fáceis de ignorar, e a raspagem em larga escala se tornou prática comum na construção de bases de dados para modelos de linguagem. A abordagem da fonte adiciona uma camada técnica que não impede a leitura humana, mas corrompe o que os bots coletam, tornando o conteúdo menos útil para treinamento automatizado.

Para o mercado editorial e para plataformas que dependem de conteúdo original, a ShieldFont pode se tornar mais uma opção no arsenal contra a extração predatória. O custo marginal de implementação é baixo, já que basta adotar a fonte no site. A desvantagem é que a proteção é limitada a páginas renderizadas por navegadores e não impede a leitura manual por humanos nem a captura por meio de OCR avançado. Ainda assim, a ferramenta mostra como o design tipográfico pode ser usado de forma criativa para influenciar a economia dos dados usados no treinamento de IA.