80legs

80legs ist ein Web-Crawler, der ab und an meine Seiten besucht. Gegen einen entsprechenden Obulus kann ein registrierter Nutzer den Crawler mit einer spezifischen Suchanfrage beauftragen. Im Prinzip bekommt nur der Kunde das Ergebnis zu sehen, der auch dafür bezahlt hat. Wenn ich die Beschreibung richtig verstanden habe, kann ein Kunde bestimmen, welche Seiten durchsucht werden sollen, welchen Links wie tief gefolgt werden soll, usw. Auf die gefundenen Seiten kann – neben allgemeinen Suchkriterien – ein vom Kunden spezifiziertes Programm angewandt werden. Damit lässt sich mit diesem Crawler ganz spezifisch nach bestimmten Inhalten oder Dateien suchen.

Die Case Study: IP Protection by Monotype Imaging gibt einen kleinen Hinweis darauf, dass 80legs Kunden unter anderem gezielt nach Urheberrechtsverstößen (IP bedeutet in diesem Fall Intellectual Property) suchen.

Wer ein Durchsuchen seines Servers nicht möchte, der kann dies über die robots.txt verhindern. Wie der Crawler arbeitet ist in einem Wiki beschrieben. Danach identifiziert sich der Crawler als 008 mit dem aktuellen Firefox Release. Ganz unten auf der Seite, im Abschnitt Web-Masters, ist beschrieben, wie das Crawlen auf der eigene Seite unterbunden werden kann. Dazu ist folgender Eintrag in der robots.txt erforderlich:

User-agent: 008
Disallow: /

Im Gegensatz zum Pixray-Bot[1][2] ist das Verhalten und die Arbeitsweise des Crawler bei 80legs sehr gut erläutert. (Die Firma Pixray sollte sich daran ein Beispiel nehmen.)

Mir ist noch nicht ganz klar, welchen Gewinn ich als Betreiber eines Servers davon habe, dass 80legs kundenspezifisch bei mir sucht und ich Prozessorkapazität und Bandbreite dafür spendieren muss. Ich glaube ich habe nichts davon.

Bei 50.000 Rechnern ist eine Sperrung über IP-Adressen aussichtslos. Wenn die, weil das Geschäftsmodell wegen zu viel „gesperrter“ Seiten nicht funktioniert, werden sie ihre Bedenken über Bord werfen und die robots.txt ignorieren. Watt dann?

Gute Nacht!

Und natürlich:

Kölle Alaaf!

  1. [1]Siehe „Der Pixray-Seeker wird lästig“
  2. [2]Siehe „Unfreundliche Web-Crawler aussperren“

Private Krankenversicherung Spam

Formularfeld der PKV Seiten
Text Teil der PKV Seiten ohne Hintergrundbild

Heute kam wieder eine Private Krankenversicherungsspam in meine Mailbox; diesmal von Herrn Carl Kaiser. Nichts ungewöhnliches, nichts besonderes. Der Link – http://www.beratung-und-analyse3.info – führte zur Bekannten Adresssammelseite. Diese Seite zeigt nichts außergewöhnliches, sie ist jedoch Trick reich gestaltet. Die Seite besteht fast nur aus dem Hintergrundbild, über das ein Eingabeformular positioniert ist. Die Datenschutzbestimmungen sind ebenfalls nur ein Hintergrundbild. Was auf den ersten Blick wie Text aussieht, ist also in Wirklichkeit reine Grafik. Nur der kleine Formularteil (siehe Bild) zur Abfrage der Adresse und ein unscheinbarer Link auf ein Impressum rechts unten (im Bild abgeschnitten) enthält einen für Suchmaschinen verwertbaren Text. Diese „Schlagworte“ (Anrede, Name, Vorname,…) gibt es aber auf zig-Millionen Seiten im Netz. Für den Datensammler hat dies den Vorteil, dass Google nur minimale Informationen hat, um die Seite zu indizieren. Damit sind diese Seiten über Google kaum (wieder) zu finden, selbst wenn eine Suchmaschine sich nicht an eine robots.txt halten sollte, die unser Datensammler übrigens vergessen hat. Auch McAfee Site Survey bekommt nur minimale, im Grunde harmlose Informationen. Ob dies beabsichtigt ist? Wer weiß? Wartebn wir mal darauf, dass eine robots.txt auf den Servern erscheint. BTW: Ich würde dazu einen anderen Mechanismus verwenden.

Beim Abspeichern der Seite werden Hintergrundbilder nicht mit gesichert und beim Ausdruck werden normalerweise keine Hintergrundbilder gedruckt. Wer die Seite dokumentieren will, kommt mit den Standardeinstellungen nicht weit und braucht etwas mehr Kenntnisse um die Seite vollständig zu sichern.

Der Trick mit den Hintergrundbildern hat einen weiteren Vorteil. Eine kleine Routine zur Prüfung der aufgerufenen Adresse und die Seite wird zur Abrufseite für etwas anderes.

Ich habe mir 10 Minuten Zeit genommen, um die Quelle der nett lächelnden weiblichen Ärztin zu finden. Mit den richtigen Stichworten hat es nicht lange gedauert und ich wurde bei den Stock-Fotos von Vitaly Valua auf 123rf.com fündig. Dort ist das Bild spiegelverkehrt (als Original eher spiegelrichtig). Da ich keine Lust auf Urheberrechtsfragen habe, hier nur der Link zum Bild. Würde nach Klicks abgerechnet, wäre Vitaly Valua bald sehr reich. Wenn überhaupt, zahlt unser Freund für die Bilder bei 123rf.com einen niedrigen Preis.

Genug für heute!

Kölle Allaf!