Trainingscrawlers
ICC-Crawler is een bot van NICT die pagina's verzamelt om AI-modellen mee te trainen. Gebruikt de verzamelde gegevens voor AI-technologieën en levert gegevens aan derden, waaronder commerciële bedrijven. 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
"ICC-Crawler"
Gecontroleerd aan de hand van
Niets gepubliceerd
Live check
Voor ICC-Crawler bestaat geen check van de beheerder. Je ziet hier toch wat het adres echt is.
Referentie
| User agent | ICC-CrawlerAlleen token: match op de substring. |
|---|---|
| Beheerder | NICT |
| Doel | Verzamelt gegevens om AI-technologieën te trainen en te ondersteunen. |
| Respecteert robots.txt | Respecteert |
| 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 | ICC-Crawler |
| Documentatie van de beheerder | Niets gepubliceerd |
Gebruikt de verzamelde gegevens voor AI-technologieën en levert gegevens aan derden, waaronder commerciële bedrijven. Die bedrijven kunnen de gegevens voor hun eigen activiteiten gebruiken.
robots.txt
Plak er een in de root van je domein. Regels gelden per token.
User-agent: ICC-Crawler
Disallow: /User-agent: ICC-Crawler
Allow: /User-agent: ICC-Crawler
Allow: /
Disallow: /account/
Disallow: /checkout/
Disallow: /searchPas de Disallow-paden aan zodat ze overeenkomen met je eigen URL's.
Als je ICC-Crawler 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
ICC-Crawler is een bot van NICT die pagina's verzamelt om AI-modellen mee te trainen. Gebruikt de verzamelde gegevens voor AI-technologieën en levert gegevens aan derden, waaronder commerciële bedrijven. 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 ICC-Crawler 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 ICC-Crawler 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 ICC-Crawler 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.