Autonome agents
newsai is een bot die zelfstandig over het web surft om taken in meerdere stappen af te ronden. Wie de bot beheert, is niet publiekelijk bekend. De user agent-string bevat geen URL en er zijn meerdere sites die de merknaam newsai gebruiken. 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
"newsai"
Gecontroleerd aan de hand van
Niets gepubliceerd
Live check
Voor newsai bestaat geen check van de beheerder. Je ziet hier toch wat het adres echt is.
Referentie
| User agent | newsaiAlleen token: match op de substring. |
|---|---|
| Beheerder | Niet publiek bekend |
| Doel | AI-datascraper |
| 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 | newsai |
| Documentatie van de beheerder | Niets gepubliceerd |
De user agent-string bevat geen URL en er zijn meerdere sites die de merknaam newsai gebruiken.
robots.txt
Plak er een in de root van je domein. Regels gelden per token.
User-agent: newsai
Disallow: /User-agent: newsai
Allow: /User-agent: newsai
Allow: /
Disallow: /account/
Disallow: /checkout/
Disallow: /searchPas de Disallow-paden aan zodat ze overeenkomen met je eigen URL's.
Als je newsai blokkeert, stop je geautomatiseerde sessies die formulieren invullen, door processen klikken en pagina's lezen zoals een ingelogde gebruiker dat doet. Rate limits en challenges werken hier meestal beter dan een regel in robots.txt.
Maak een bestand voor alle crawlersFAQ
newsai is een bot die zelfstandig over het web surft om taken in meerdere stappen af te ronden. Wie de bot beheert, is niet publiekelijk bekend. De user agent-string bevat geen URL en er zijn meerdere sites die de merknaam newsai gebruiken. 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 newsai 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 het token newsai 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 newsai blokkeert, stop je geautomatiseerde sessies die formulieren invullen, door processen klikken en pagina's lezen zoals een ingelogde gebruiker dat doet. Rate limits en challenges werken hier meestal beter dan een regel in robots.txt.