Datasetbouwers
Brightbot is een bot die pagina's crawlt voor een dataset die mogelijk wordt hergebruikt of met derden gedeeld. Wie de bot beheert, is niet publiekelijk bekend. Brightbot is een crawler van Bright Data die op grote schaal openbare website-inhoud verzamelt, extraheert en structureert, en daarmee AI-klare data levert voor modeltraining, RAG-pi…. Er is geen lijst met IP-ranges of reverse DNS-conventie gepubliceerd. Je kunt dus niet bewijzen dat een verzoek met deze user agent echt is, en een regel in robots.txt alleen houdt een vervalsing niet tegen.
Verzoek meldt
"Brightbot"
Gecontroleerd aan de hand van
Niets gepubliceerd
Live check
Voor Brightbot bestaat geen check van de beheerder. Je ziet hier toch wat het adres echt is.
Referentie
| User agent | BrightbotAlleen token: match op de substring. |
|---|---|
| Beheerder | Niet publiek bekend |
| Doel | Datasetbouwers |
| Respecteert robots.txt | Geen beleid |
| Verificatiemethode | Alleen beweringNiets gepubliceerd, alleen user agent Voor deze agent is geen bestand met IP-bereiken en geen reverse-DNS-conventie gepubliceerd. De user-agent-string is het enige signaal, en elke client kan die meesturen. Zie een match daarom als een bewering en niet als bewijs. |
| Crawlpatroon | Niet gepubliceerd |
| robots.txt-tokens | BrightbotBrightbot 1.0 |
| Documentatie van de beheerder | Niets gepubliceerd |
Brightbot is een crawler van Bright Data die op grote schaal openbare website-inhoud verzamelt, extraheert en structureert, en daarmee AI-klare data levert voor modeltraining, RAG-pi…
robots.txt
Plak er een in de root van je domein. Regels gelden per token.
User-agent: Brightbot
User-agent: Brightbot 1.0
Disallow: /User-agent: Brightbot
User-agent: Brightbot 1.0
Allow: /User-agent: Brightbot
User-agent: Brightbot 1.0
Allow: /
Disallow: /account/
Disallow: /checkout/
Disallow: /searchPas de Disallow-paden aan zodat ze overeenkomen met je eigen URL's.
Als je Brightbot blokkeert, komen je pagina's niet in de datasets die hij uit toekomstige crawls samenstelt. Eerder verzamelde gegevens worden niet verwijderd, en hoe elke beheerder zijn data gebruikt of deelt verschilt. Lees daarom hun beleid.
Maak een bestand voor alle crawlersFAQ
Brightbot is een bot die pagina's crawlt voor een dataset die mogelijk wordt hergebruikt of met derden gedeeld. Wie de bot beheert, is niet publiekelijk bekend. Brightbot is een crawler van Bright Data die op grote schaal openbare website-inhoud verzamelt, extraheert en structureert, en daarmee AI-klare data levert voor modeltraining, RAG-pi…. Er is geen lijst met IP-ranges of reverse DNS-conventie gepubliceerd. Je kunt dus niet bewijzen dat een verzoek met deze user agent echt is, en een regel in robots.txt alleen houdt een vervalsing niet tegen.
Niet gedocumenteerd. Geen enkele beheerder heeft verklaard of Brightbot robots.txt leest. Voeg de regel dus toe, maar controleer in je logs of de verzoeken echt stoppen.
Dat kan niet, in elk geval niet op basis van het verzoek zelf. Voor deze agent is geen bestand met IP-bereiken en geen reverse-DNS-conventie gepubliceerd. De user-agent-string is het enige signaal, en elke client kan die meesturen. Zie een match daarom als een bewering en niet als bewijs. Vergelijk in plaats daarvan het bron-IP met hosting- en datacenterranges, en pas rate limiting toe op alles wat zich als een crawler gedraagt.
Voeg deze user-agent-tokens (Brightbot, Brightbot 1.0) toe aan robots.txt met Disallow: /. Negeert de crawler robots.txt, filter dan op de user agent in je CDN of reverse proxy en geef daar een 403 terug.
Als je Brightbot blokkeert, komen je pagina's niet in de datasets die hij uit toekomstige crawls samenstelt. Eerder verzamelde gegevens worden niet verwijderd, en hoe elke beheerder zijn data gebruikt of deelt verschilt. Lees daarom hun beleid.