博客

关于代理、网页抓取和互联网基础设施的最新文章和见解

7.3百万个Chess.com的个人资料,460万个电子邮件和隐藏的广告细分被公开访问——没有任何黑客攻击。数据连续收集了九天,通过在好友搜索功能中插入他人的电子邮件数据库。我们分析如何通过UUID和数据导出的节奏区分抓取和黑客攻击,以及在收集公共数据和尝试个人标识符之间的界限在哪里。

📅 2026年9月14日
阅读文章

HTTP 200 不再意味着“数据已收集”。Nepenthes、Iocaine 和 Cloudflare AI Labyrinth 向爬虫提供无尽的生成文本,而被污染的页面使得 AI 代理在 27% 到 73.8% 的情况下推荐不存在的品牌。我们分析三种静默数据损坏的机制和七个在写入数据库之前捕捉垃圾的检查。

📅 2026年9月13日
阅读文章