Datensatz-Ersteller
bedrockbot ist ein von Amazon betriebener Bot, der Seiten für einen Datensatz crawlt, der weiterverwendet oder an Dritte weitergegeben werden kann. Ruft URLs ab und crawlt sie, die für die AWS-Bedrock-Anwendung eines Nutzers ausgewählt wurden. Laut Dokumentation beachtet er robots.txt, es gibt jedoch keine veröffentlichte Liste von IP-Bereichen und keine Reverse-DNS-Konvention. Eine Anfrage mit diesem User-Agent lässt sich daher nicht als echt nachweisen.
Anfrage gibt an
"bedrockbot"
Geprüft anhand
Nichts veröffentlicht
Live-Prüfung
Für bedrockbot gibt es keine Prüfung anhand von Angaben des Betreibers. Sie sehen trotzdem, was die Adresse tatsächlich ist.
Referenz
| User-Agent | bedrockbotNur Token: auf den Teilstring prüfen. |
|---|---|
| Betreiber | Amazon |
| Zweck | Daten-Scraping für eigene KI-Anwendungen. |
| Beachtet robots.txt | BeachtetQuelle |
| Verifizierungsmethode | Nur AngabeNichts veröffentlicht, nur User-Agent Läuft über ein AWS-Kundenkonto. Die Quell-IP gehört daher demjenigen, der die Bedrock-Wissensdatenbank eingerichtet hat, und nicht AWS als Betreiber eines Crawlers. https://docs.aws.amazon.com/bedrock/latest/userguide/webcrawl-data-source-connector.html |
| Crawl-Muster | Nicht veröffentlicht |
| robots.txt-Tokens | bedrockbot |
| Dokumentation des Betreibers | Keine veröffentlicht |
Ruft URLs ab und crawlt sie, die für die AWS-Bedrock-Anwendung eines Nutzers ausgewählt wurden.
robots.txt
Legen Sie eine davon im Stammverzeichnis Ihrer Domain ab. Regeln gelten pro Token.
User-agent: bedrockbot
Disallow: /User-agent: bedrockbot
Allow: /User-agent: bedrockbot
Allow: /
Disallow: /account/
Disallow: /checkout/
Disallow: /searchPassen Sie die Disallow-Pfade an Ihre eigenen URLs an.
Wenn Sie bedrockbot blockieren, gelangen Ihre Seiten nicht in die Datensätze, die er aus künftigen Crawls erstellt. Früher gesammelte Inhalte werden dadurch nicht entfernt. Wie die einzelnen Betreiber ihre Daten nutzen oder weitergeben, ist unterschiedlich, prüfen Sie daher deren Richtlinien.
Eine Datei für alle Crawler erstellenFAQ
bedrockbot ist ein von Amazon betriebener Bot, der Seiten für einen Datensatz crawlt, der weiterverwendet oder an Dritte weitergegeben werden kann. Ruft URLs ab und crawlt sie, die für die AWS-Bedrock-Anwendung eines Nutzers ausgewählt wurden. Laut Dokumentation beachtet er robots.txt, es gibt jedoch keine veröffentlichte Liste von IP-Bereichen und keine Reverse-DNS-Konvention. Eine Anfrage mit diesem User-Agent lässt sich daher nicht als echt nachweisen.
Ja. Der Betreiber dokumentiert, dass bedrockbot robots.txt liest und Disallow-Regeln für sein eigenes Token befolgt. Die Regeln greifen beim nächsten Abruf der Datei, was Stunden oder Tage nach der Veröffentlichung sein kann.
Das ist nicht möglich, zumindest nicht anhand der Anfrage selbst. Läuft über ein AWS-Kundenkonto. Die Quell-IP gehört daher demjenigen, der die Bedrock-Wissensdatenbank eingerichtet hat, und nicht AWS als Betreiber eines Crawlers. Gleichen Sie stattdessen die Quell-IP mit Hosting- und Rechenzentrumsbereichen ab und begrenzen Sie die Rate bei allem, was sich wie ein Crawler verhält.
Tragen Sie das Token bedrockbot mit Disallow: / in die robots.txt ein. Falls der Crawler robots.txt ignoriert, filtern Sie den User-Agent in Ihrem CDN oder Reverse Proxy und geben Sie dort stattdessen 403 zurück.
Wenn Sie bedrockbot blockieren, gelangen Ihre Seiten nicht in die Datensätze, die er aus künftigen Crawls erstellt. Früher gesammelte Inhalte werden dadurch nicht entfernt. Wie die einzelnen Betreiber ihre Daten nutzen oder weitergeben, ist unterschiedlich, prüfen Sie daher deren Richtlinien.