Robots d'entraînement
ICC-Crawler est un bot exploité par NICT qui collecte des pages servant à entraîner des modèles d'IA. Utiliser les données collectées pour des technologies d'intelligence artificielle ; fournir des données à des tiers, y compris à des entreprises commerciales ; ces entreprises peuvent utiliser les données pour leurs propres activités. Il est documenté comme respectant le fichier robots.txt, mais aucune liste de plages d'IP ni convention de DNS inverse n'est publiée. Il est donc impossible de prouver qu'une requête portant ce user agent est authentique.
La requête annonce
"ICC-Crawler"
Comparé à
Rien de publié
Vérification en direct
Aucune vérification par l'opérateur n'existe pour ICC-Crawler. Vous verrez tout de même ce qu'est réellement l'adresse.
Référence
| User agent | ICC-CrawlerJeton seul : recherchez la sous-chaîne. |
|---|---|
| Opérateur | NICT |
| Finalité | Collecte des données pour entraîner et alimenter des technologies d'IA. |
| Respecte robots.txt | Respecte |
| Méthode de vérification | Déclaration uniquementRien de publié, user agent uniquement Aucun fichier de plages IP ni aucune convention de DNS inverse n'a été publié pour cet agent. La chaîne user agent est le seul indice, et n'importe quel client peut l'envoyer : considérez donc une correspondance comme une simple déclaration, et non comme une preuve. |
| Comportement d'exploration | Non publié |
| Jetons robots.txt | ICC-Crawler |
| Documentation de l'opérateur | Aucune publiée |
Utiliser les données collectées pour des technologies d'intelligence artificielle ; fournir des données à des tiers, y compris à des entreprises commerciales ; ces entreprises peuvent utiliser les données pour leurs propres activités.
robots.txt
Placez l'un de ces fichiers à la racine de votre domaine. Les règles s'appliquent jeton par jeton.
User-agent: ICC-Crawler
Disallow: /User-agent: ICC-Crawler
Allow: /User-agent: ICC-Crawler
Allow: /
Disallow: /account/
Disallow: /checkout/
Disallow: /searchModifiez les chemins Disallow pour qu'ils correspondent à vos propres URL.
Bloquer ICC-Crawler exclut vos pages des prochaines sessions d'entraînement. Cela ne supprime pas les données déjà collectées et n'a aucun effet sur le classement du site dans les résultats de recherche classiques.
Générer un fichier pour tous les robotsFAQ
ICC-Crawler est un bot exploité par NICT qui collecte des pages servant à entraîner des modèles d'IA. Utiliser les données collectées pour des technologies d'intelligence artificielle ; fournir des données à des tiers, y compris à des entreprises commerciales ; ces entreprises peuvent utiliser les données pour leurs propres activités. Il est documenté comme respectant le fichier robots.txt, mais aucune liste de plages d'IP ni convention de DNS inverse n'est publiée. Il est donc impossible de prouver qu'une requête portant ce user agent est authentique.
Oui. L'opérateur indique que ICC-Crawler lit le fichier robots.txt et respecte les règles Disallow visant son propre jeton. Les règles s'appliquent lors de la prochaine récupération du fichier, ce qui peut prendre plusieurs heures ou plusieurs jours après leur publication.
Ce n'est pas possible, du moins pas à partir de la requête elle-même. Aucun fichier de plages IP ni aucune convention de DNS inverse n'a été publié pour cet agent. La chaîne user agent est le seul indice, et n'importe quel client peut l'envoyer : considérez donc une correspondance comme une simple déclaration, et non comme une preuve. Comparez plutôt l'IP source aux plages d'hébergeurs et de datacenters, et limitez le débit de tout trafic qui se comporte comme un crawler.
Ajoutez le jeton ICC-Crawler au fichier robots.txt avec Disallow: /. Si le crawler ignore robots.txt, filtrez le user agent au niveau de votre CDN ou de votre proxy inverse et renvoyez une erreur 403.
Bloquer ICC-Crawler exclut vos pages des prochaines sessions d'entraînement. Cela ne supprime pas les données déjà collectées et n'a aucun effet sur le classement du site dans les résultats de recherche classiques.