训练爬虫
ICC-Crawler 是由 NICT 运营的机器人，它会收集网页用于训练 AI 模型。将收集的数据用于人工智能技术；向第三方（包括商业公司）提供数据；这些公司可将数据用于自身业务。文档说明它遵守 robots.txt，但运营方未公布 IP 范围列表或反向 DNS 规则，因此无法证明带有此 user agent 的请求是真实的。
请求声明
"ICC-Crawler"
核验依据
未公布
实时检查
ICC-Crawler 没有可供核验的运营方信息。此处仍会显示该地址的真实情况。
参考
| User agent | ICC-Crawler仅为标识符：按子串匹配。 |
|---|---|
| 运营方 | NICT |
| 用途 | 抓取数据，用于训练和支持 AI 技术。 |
| 是否遵守 robots.txt | 遵守 |
| 验证方法 | 仅自称未公布，仅凭 user agent 该代理尚未公布 IP 范围文件或反向 DNS 约定。user agent 字符串是唯一的识别依据，而任何客户端都可以发送该字符串，因此匹配结果只能视为一种声称，不能作为证明。 |
| 抓取模式 | 未公布 |
| robots.txt 标识符 | ICC-Crawler |
| 运营方文档 | 未发布 |
将收集的数据用于人工智能技术；向第三方（包括商业公司）提供数据；这些公司可将数据用于自身业务。
robots.txt
选择一项粘贴到域名根目录下。规则按标识符分别生效。
User-agent: ICC-Crawler
Disallow: /User-agent: ICC-Crawler
Allow: /User-agent: ICC-Crawler
Allow: /
Disallow: /account/
Disallow: /checkout/
Disallow: /search请修改 Disallow 路径，使其与你自己的 URL 一致。
FAQ
ICC-Crawler 是由 NICT 运营的机器人，它会收集网页用于训练 AI 模型。将收集的数据用于人工智能技术；向第三方（包括商业公司）提供数据；这些公司可将数据用于自身业务。文档说明它遵守 robots.txt，但运营方未公布 IP 范围列表或反向 DNS 规则，因此无法证明带有此 user agent 的请求是真实的。
是。运营方在文档中说明 ICC-Crawler 会读取 robots.txt，并遵守针对其自身标识的 Disallow 规则。规则在下次抓取该文件时生效，可能是发布后数小时或数天。
无法验证，至少无法仅凭请求本身验证。该代理尚未公布 IP 范围文件或反向 DNS 约定。user agent 字符串是唯一的识别依据，而任何客户端都可以发送该字符串，因此匹配结果只能视为一种声称，不能作为证明。可改为将来源 IP 与托管和数据中心的 IP 范围进行比对，并对任何表现得像爬虫的流量进行限速。
在 robots.txt 中为 ICC-Crawler 标识添加 Disallow: /。如果该爬虫不遵守 robots.txt，请在 CDN 或反向代理上匹配其 user agent 并返回 403。
屏蔽 ICC-Crawler 可使你的网页不进入下一轮训练。它不会删除已收集的内容，也不会影响网站在普通搜索中的排名。