Datasetbouwers
LAIONDownloader is een bot van Large-scale Artificial Intelligence Open Network die pagina's crawlt voor een dataset die mogelijk wordt hergebruikt of met derden gedeeld. LAIONDownloader is een bot van LAION, een non-profitorganisatie die datasets, tools en modellen aanbiedt om onderzoek naar machine learning vrij toegankelijk te maken. 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
"LAIONDownloader"
Gecontroleerd aan de hand van
Niets gepubliceerd
Live check
Voor LAIONDownloader bestaat geen check van de beheerder. Je ziet hier toch wat het adres echt is.
Referentie
| User agent | LAIONDownloaderAlleen token: match op de substring. |
|---|---|
| Beheerder | Large-scale Artificial Intelligence Open Network |
| Doel | AI-tools en -modellen voor onderzoek naar machine learning. |
| Respecteert robots.txt | Negeertbron |
| 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 | LAIONDownloader |
| Documentatie van de beheerder | Niets gepubliceerd |
LAIONDownloader is een bot van LAION, een non-profitorganisatie die datasets, tools en modellen aanbiedt om onderzoek naar machine learning vrij toegankelijk te maken.
robots.txt
Volgens de documentatie negeert LAIONDownloader robots.txt. Dwing een blokkade ook af via je CDN.
User-agent: LAIONDownloader
Disallow: /User-agent: LAIONDownloader
Allow: /User-agent: LAIONDownloader
Allow: /
Disallow: /account/
Disallow: /checkout/
Disallow: /searchPas de Disallow-paden aan zodat ze overeenkomen met je eigen URL's.
Als je LAIONDownloader 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
LAIONDownloader is een bot van Large-scale Artificial Intelligence Open Network die pagina's crawlt voor een dataset die mogelijk wordt hergebruikt of met derden gedeeld. LAIONDownloader is een bot van LAION, een non-profitorganisatie die datasets, tools en modellen aanbiedt om onderzoek naar machine learning vrij toegankelijk te maken. 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.
Nee. Volgens de documentatie volgt LAIONDownloader robots.txt niet, dus een Disallow-regel houdt hem niet tegen. Je moet aan de rand van je netwerk blokkeren, op user agent of op bronadres.
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 LAIONDownloader 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 LAIONDownloader 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.