Trainingscrawlers
FriendlyCrawler is een bot van Unknown die pagina's verzamelt om AI-modellen mee te trainen. Onduidelijk wie de beheerder is, maar de data wordt gebruikt voor training/machine learning. Volgens de documentatie respecteert hij robots.txt, maar 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.
Verzoek meldt
"FriendlyCrawler"
Gecontroleerd aan de hand van
Niets gepubliceerd
Live check
Voor FriendlyCrawler bestaat geen check van de beheerder. Je ziet hier toch wat het adres echt is.
Referentie
| User agent | FriendlyCrawlerAlleen token: match op de substring. |
|---|---|
| Beheerder | Unknown |
| Doel | We gebruiken de data van de crawler om datasets te bouwen voor experimenten met machine learning. |
| Respecteert robots.txt | Respecteertbron |
| 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 | FriendlyCrawler |
| Documentatie van de beheerder | Niets gepubliceerd |
Onduidelijk wie de beheerder is, maar de data wordt gebruikt voor training/machine learning.
robots.txt
Plak er een in de root van je domein. Regels gelden per token.
User-agent: FriendlyCrawler
Disallow: /User-agent: FriendlyCrawler
Allow: /User-agent: FriendlyCrawler
Allow: /
Disallow: /account/
Disallow: /checkout/
Disallow: /searchPas de Disallow-paden aan zodat ze overeenkomen met je eigen URL's.
Als je FriendlyCrawler blokkeert, worden je pagina's niet gebruikt in de volgende trainingsronde. Wat al verzameld is, wordt niet verwijderd, en het heeft geen invloed op je posities in gewone zoekmachines.
Maak een bestand voor alle crawlersFAQ
FriendlyCrawler is een bot van Unknown die pagina's verzamelt om AI-modellen mee te trainen. Onduidelijk wie de beheerder is, maar de data wordt gebruikt voor training/machine learning. Volgens de documentatie respecteert hij robots.txt, maar 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.
Ja. De beheerder documenteert dat FriendlyCrawler robots.txt leest en Disallow-regels voor het eigen token volgt. Regels gaan in zodra het bestand opnieuw wordt opgehaald, en dat kan uren of dagen na publicatie zijn.
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 het token FriendlyCrawler 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 FriendlyCrawler blokkeert, worden je pagina's niet gebruikt in de volgende trainingsronde. Wat al verzameld is, wordt niet verwijderd, en het heeft geen invloed op je posities in gewone zoekmachines.