Trainings-Crawler
ICC-Crawler ist ein von NICT betriebener Bot, der Seiten sammelt, mit denen KI-Modelle trainiert werden. Verwendung der gesammelten Daten für KI-Technologien; Weitergabe der Daten an Dritte, auch an kommerzielle Unternehmen; diese Unternehmen können die Daten für ihre eigenen Geschäftszwecke nutzen. 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
"ICC-Crawler"
Geprüft anhand
Nichts veröffentlicht
Live-Prüfung
Für ICC-Crawler gibt es keine Prüfung anhand von Angaben des Betreibers. Sie sehen trotzdem, was die Adresse tatsächlich ist.
Referenz
| User-Agent | ICC-CrawlerNur Token: auf den Teilstring prüfen. |
|---|---|
| Betreiber | NICT |
| Zweck | Sammelt Daten, um KI-Technologien zu trainieren und zu unterstützen. |
| Beachtet robots.txt | Beachtet |
| Verifizierungsmethode | Nur AngabeNichts veröffentlicht, nur User-Agent Für diesen Agenten wurden weder eine Datei mit IP-Bereichen noch eine Reverse-DNS-Konvention veröffentlicht. Der User-Agent-String ist das einzige Merkmal, und jeder Client kann ihn senden. Werten Sie eine Übereinstimmung daher als Behauptung, nicht als Beweis. |
| Crawl-Muster | Nicht veröffentlicht |
| robots.txt-Tokens | ICC-Crawler |
| Dokumentation des Betreibers | Keine veröffentlicht |
Verwendung der gesammelten Daten für KI-Technologien; Weitergabe der Daten an Dritte, auch an kommerzielle Unternehmen; diese Unternehmen können die Daten für ihre eigenen Geschäftszwecke nutzen.
robots.txt
Legen Sie eine davon im Stammverzeichnis Ihrer Domain ab. Regeln gelten pro Token.
User-agent: ICC-Crawler
Disallow: /User-agent: ICC-Crawler
Allow: /User-agent: ICC-Crawler
Allow: /
Disallow: /account/
Disallow: /checkout/
Disallow: /searchPassen Sie die Disallow-Pfade an Ihre eigenen URLs an.
Wenn Sie ICC-Crawler blockieren, fließen Ihre Seiten nicht in den nächsten Trainingslauf ein. Bereits gesammelte Inhalte werden dadurch nicht entfernt, und auf das Ranking der Website in der normalen Suche hat das keinen Einfluss.
Eine Datei für alle Crawler erstellenFAQ
ICC-Crawler ist ein von NICT betriebener Bot, der Seiten sammelt, mit denen KI-Modelle trainiert werden. Verwendung der gesammelten Daten für KI-Technologien; Weitergabe der Daten an Dritte, auch an kommerzielle Unternehmen; diese Unternehmen können die Daten für ihre eigenen Geschäftszwecke nutzen. 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 ICC-Crawler 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. Für diesen Agenten wurden weder eine Datei mit IP-Bereichen noch eine Reverse-DNS-Konvention veröffentlicht. Der User-Agent-String ist das einzige Merkmal, und jeder Client kann ihn senden. Werten Sie eine Übereinstimmung daher als Behauptung, nicht als Beweis. 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 ICC-Crawler 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 ICC-Crawler blockieren, fließen Ihre Seiten nicht in den nächsten Trainingslauf ein. Bereits gesammelte Inhalte werden dadurch nicht entfernt, und auf das Ranking der Website in der normalen Suche hat das keinen Einfluss.