Názory k článku
AI zatěžuje kernel.org

Anubis musí stížit captcha
https://img.devrant.com/devrant/rant/r_4152446_Acbmt.jpg

31. 8. 2026, 15:30 editováno autorem komentáře

CAPTCHA dnes řeší AI lépe než lidé. Tím si nepomůžete.

To byla pointa vtipu.

SEC_ERROR_EXPI­RED_CERTIFICA­TE

Ve Firefoxu:
Rozšířené (Šedivé políčko vedle Přejít zpět (doporučeno) )
Potom se objeví tlačítko:
Pokračovat na ... (riskantní)

Nebo zkuste v odkazu umazat S aby odkaz vypadal takto:
http://img.devrant.com/devrant/rant/r_4152446_Acbmt.jpg

Popravdě nějak nechápu k čemu certifikát když chci zobrazit stránku s JPG.
Kdyby to byl škodlivý JPG, tak ho hackeři jistě vybaví platným certifikátem.
Tyhle bezpečnostní opatřeí co prudí uživatele jsou jen na škodu.
Pro zachování bezpečnosti stačí na stránce nic nevyplnovat.
Nebo snad ne?

Ne. Jedna věc je Váš výstup (vyplňování etc.), druhá je vstup (stránka, přesný resource, text, obrázek) -- Jde o to že někdo "uprostřed" se může podívat na co se díváte. Od providera přes zaměstnavatele až na Vaše děti které si udělali MITM na routeru.
Tady to je obrázek, ale vemte si třeba takovou soc. síť nebo výpisy z bankovního konta. Určitě nechete aby všechny hopy po cestě věděly kolik máte na bankovním účtu. Nebo co sledujete na soc sítích. Nebo...

Tohle je koukám absolutní nepochopení pointy HTTPS/TLS na internetu. Pokud je něco nešifrované nebo má podvrhnutý certifikát, máte poměrně velkou šanci, že 1. to někde po cestě někdo poslouchá, tedy může nakrásně vidět spoustu věcí o vás a vaší aktivitě na internetu, nemluvě o heslech a 2. může stránku po cestě libovolně modifikovat, což se minimálně v minulosti hojně využívalo pro šíření malwaru -- tady byste jednoduše místo obrázku poslal javascript.

A jaký je asi tak přesně rozdíl, když ten javascript pošle útočník po cestě od toho, když ho pošle útočník-majitel toho anonymního webu, kde je ten meme uloženej?

Aby mělo smysl to nějak chránit, musí být na prvním místě důvod to chránit. A ten sorry jako, ale není.

"Tohle je koukám absolutní nepochopení pointy HTTPS"

Souhlasim, ale ze tvy strany.

Expirovanej certifikat nema zadnej vliv na sifrovani ani na mitm ani na nic jinyho.

Navic neexistuje aktualne ani jedinej browser, kterej by umoznoval se chovat bezpecne. Protoze seflsign cert nikdo narozdil od certifikatu "duveryhodnyho" nepodvrhne. Napriklad.

A jeste sem nevidel uloziste mallware (treba github) ktery by nemelo "duveryhodny" a zcela validni cert.

Nejvtipnější je, že kdyby byl odkaz v prvním příspěvku rovnou na http://, taková diskuze se nestrhne a všichni budou v pohodě. Čili šifrování bez ověření protistrany (=vyžaduje aktivní MITM) je chápáno hůře než žádné šifrování (stačí pasivní odposlech).

> může stránku po cestě libovolně modifikovat, což se minimálně v minulosti hojně využívalo pro šíření malwaru

Vy znáte web devrant.com a považujete ho za důveryhodný? Já ne, čili je to jako kdyby tam byl odkaz na úplně náhodnou doménu, která může servírovat ten škodlivý obsah přímo.

Pokračovat na ... (riskantní)
Nebo by si provozovatel serveru mohl spravit certifikát. To by bylo daleko lepší.

Nebo zkuste v odkazu umazat S aby odkaz vypadal takto:
Prohlížeč mi tam to S automaticky doplní. Zatím jsem si musel takové chování extra zapnout, ale postupně bude všude.

Popravdě nějak nechápu k čemu certifikát když chci zobrazit stránku s JPG.
Asi se chcete podívat na ten JPG, který je na té stránce opravdu vystavený. Takže potřebujete HTTPS, aby vám někdo nepodvrhl jiný obrázek.

Pokud by vám bylo jedno, jestli se díváte na pravý nebo podvržený obrázek, můžete se podívat na /dev/random a nepotřebujete vůbec internet.

Jinak ten nefunkční certifikát je pro mne signál, že ten obrázek ani vidět nechci. Když se autor toho obrázku ani neobtěžuje obrázek zveřejnit tak, aby byl bez problémů a bezpečně dostupný, asi ten obrázek není až tak důležitý.

Děkuji všem za osvětu.

V tomto případě jen vypršel certifikát.
Majitel stránky měl půl roku na to aby to dal do pořádku.
Ano je to jeho chyba.

Obrácená strana problému.

Hledal jsem soubor který jsem vytvářel před 20 lety.
Našel jsem ho v netbooku (mountfield) s Win XP.

Chtěl jsem si ho poslat mailem.
Brzy jsem zjistil že se do emailu nepřihlásím.
Uložiště jako uschovna nebo upload.nolog.cz se také nepodařilo načíst.
I když stránka nolog.cz fungovala.
Vše kvůli neplatným certifikátům.
SD kartu mi čtečka odmítla načíst.
Staré přestaly fungovat a nové jsou asi moc velké.
Jediné řešení byl USB disk, který jsem neměl poruce.

A neí to problém jen WinXP.
Na tabletu s Androidem jsem narazil na stejný problém.
V tomto případě to už smrdělo umělým zastaráváním.
Protože výrobce aktualizace nedodal a po vypršení certifikátů to můžete vyhodit.

> Pokud by vám bylo jedno, jestli se díváte na pravý nebo podvržený obrázek, můžete se podívat na /dev/random a nepotřebujete vůbec internet.

Šifrování vám nezaručí, že útočník po cestě pakety kompletně nezahodí. Čili si touto logikou nahraďte všechny stránky za prázdné.

Na celé téhle epidemii anti-AI opatření mne štve, že se musím všude probíjet přes CAPTCHA (kterou neumím řešit) a že bez JavaScriptu z pochybných domén (tedy: které se nelíbí našim bezpečákům) se nedostanu ani k obsahu, za který jsem leckdy zaplatil.

IMHO by webové stránky měly fungovat a zobrazovat obsah i za použití čistého HTML, s CSS by to mělo být i dobře formátované, a za použití klasických formulářů v základní podobě funkční!

31. 8. 2026, 17:23 editováno autorem komentáře

Přesně. U autentikované session se mají omezení objevit až po překročení pro smrtelníka rozumných rate limitů, ne automaticky.
To samé autentizace, captcha by měla naběhnout po soft lockoutu, ne při prvním pokusu, je to strašně otravné.
Ale chápu, že "hele, Franto, máme celej víkend servery na max, dopras tam nějak captchu" je jednodušší.

"IMHO by webové stránky měly"

Jenz to bys jejich vyvoj nesmel zadavat vsemoznym patlalamatlala­paprtala ... a jejich zadavatele by holt nemohli scanovat co mas kde na disku.

Zrovna na me v chromym browseru vyskocilo ... jestli chci webovy strance (dell) dovolit oscanovat servisy a HW ... lol. Jinak receno, jen otazka casu kdy se to ptat nebude nebo nekdo prijde na to jak ty data dostat bez ptani.

Aha, tak proto mi při náhodném kliknutí na odkaz směřující na kernel.org dává slečna Anubisová počítat hashe s táákhle líným progressbarem. že se na to radši rovnou vytento.

Tak lynx až ke stažení tarballu včetně funguje normálně.

Co to máte za křáp, že vám to jede pomalu? Cokoliv mladší než rok 2005 to musí zvládnout levou zadní poměrně rychle :P

No a nebylo by efektivnější přestat zobrazovat to, pro co tam ai agenti chodí a běžný uživatel ne? Kdyby web přestal zobrazovat starší historii (omezeno třeba datumem commitu), tak to většině uživatelů nebude vadit a kdo to potřebuje ten si repo naklonuje.

Efektivnější by bylo, kdyby se roboti AI začali chovat rozumně a respektovat pravidla.

Což se ale nestane. AI evoluce je závod a v sázce jsou velké peníze - nebere se ohled na nic a na nikoho...

Efektivnější by také společensky bylo, kdyby se lidé přestali ve válkách zabíjet a začali chovat se rozumně a respektovat pravidla. Problém je, že to jsou takové pěkné akademické řeči.

xxxx

31. 8. 2026, 17:18 editováno autorem komentáře

Diky za vypichnuti konkretniho poctu jader rovnou do zpravicky. Dava to dobry kontext, jak absurdni tohle stezovani si na zlou AI je. Zatim jsem nepotkal jediny setup, kde by nebyl na vine konkretni admin, co neumi setup postavit tak, aby to znova zacalo stihat, kdyz se na Internetu znova neco deje, po letech, co se vsechno deni presouvalo na centralizovana mista, jako socialni site a podobne.

Máš na mysli "měli by lépe pořešit cache a servírovat to staticky"?:)

těch stránek je trochu hodně:

Unless, of course, you're a scraper, in which case you have, oh, several BILLION valid URLs you can scrape, only to get 922 duplicates of the same 1.48 million commits — which is exactly what the scrapers are doing.

Ne nutne. Tady by stacilo si jako provozovatel nejvetsi autority o danem zdrojovem kodu priznat, ze ani ne 20 jader je docela fajn vysledek, kdyz roste vyuziti skrz ruzne automatizovane systemy, kterym lide propujcuji pravomoci za ne delat slozite tasky. Tady jde "jen" o infrastrukturu software, ktery pouziva jenom cela planeta na vsem moznem, od toasteru po ve velmi blizke budoucnosti gigawattove clustery... 20 jader je skvely vysledek, na to, ze to neni nijak zvlast optimalizovane (myslim cgit). Jak asi bude vypadat vysledek a kolik gigabitu trafficu pujde odbavit jednim jadrem, kdyz se dnesni AI zada prevest problem do SIMD vectorized kodu? Proc nemuzem jit timhle smerem vsichni, kdyz uz na to ty nastroje mame? Nevidim v tom logiku, jen emoce, co prekazi.

Bohužel se W3C už před lety rozpadlo.. ale mě by se líbil standard, kdy bude existovat možnost se legitimizovat (bez vytváření účtu) nějakým tokenem/blockcha­inem v smyslu e-občanky, že ten, kdo se snaží web užívat, je skutečný člověk (a může mít omezen request rate na X/sec X/min X/hr). Všichni ostatní se můžou přesměrovat na placený přístup - po vzoru přístupu k placenému zpravodajství.

Ono to není jenom o AI, ale i o scrapingu a dolování dat, např. v případě katastru nemovistostí - služba má/může/chce být volně dostupná pro lidi/občany, ale ne pro roboty a strojové zpracování.

Alternativně by se dalo zavést DNS rozlišení - roboti ať si resolvuji AI / AIAI record pro ipv4/v6 a hledají tam informace v strojově čitelné podobě. Ale ať nám do klasického webu nelezou.

Kdo to poruší, toho AS půjde na blacklist a peering centra je hezky odfiltruji už na vstupu.

Černý trh s ukradenými tokeny lidí za 3, 2, 1…

Plus pamatujete si jaký tu je vždy křik když se diskutuje kontrola věku na webu? To je v podstatě to, co zavádíte, ne? (akorát ten token "je to člověk" není při vydávání omezen na věk)

No já zavádím mnohem víc - průkaz identity. Takže už nepotřebujete fingerprintovat a dělat cookie harakiri.. user vám řekne, kdo je.

Jak zabránit zneužití a cross-site koleracím, je už druhá věc.

Dobrej napad, to se pak rozjede slusnej trh s kradenejma tokenama ...

Hele, nekteri tupci se dozadujou kapsi i v ripade, ze ses prihlasenej na uctu na kterym sis neco kupoval a nejak to platil ...

Ja bych tak nejak rek, ze sript scanujici web poznam tak zhruba behem sekundy, a tak nejak bych rek, ze tech AS ktery pripadne bloknu klidne cely, zas tak moc nebude.

Jak to fungovalo s běžnými roboty např. od vyhledávačů? Ty poznají, že stahují nějak moc stránek podobného typu (opakované procházení všech commitů ze všech větví), a zastaví se?

Roboty vyhledávačů měli kulturu - první scan bez znatelného zatížení webu, následné skeny podle rozumu - zjištění, co se mění často bylo skenováno častěji, než statické části. Prostě na pohodu.

AI je pravý opak - agresivní get and dump, protože cache je sprosté slovo a pásmo/výkon je bezcenná komodita kterou lze mrhat.

> první scan bez znatelného zatížení webu

Právě ten první scan mě zajímá. gitweb/cgit a docela i dokuwiki položí rekurzivní stažení i poprvé. (protože mají bohužel strukturu URL takovou, že se dá zajít strašně hluboko - u gitu je to "každý patch každého commitu v každé větvi", u dokuwiki nějaké šílené "z každé stránky lze projít všechna média")

A přijde mi, že do minulého roku s tímto problém nebyl ani na webech, kde to nebylo v robots.txt zakázané.

Jako kdyby crawlery poznaly, že to nedává smysl, a skončily. Nebo - co bych čekal - pro populární software budou mít speciální pravidla.

Vyhladavace su hlavne dost opatrne - nikdy mi nesposobili pozorovatelne spomalenie ani na malej VPS s 512 MB RAM, 0.5 CPU, neefektivnym WordPressom a par dalsimi sluzbami. Neprechadzaju vsetky stranky a ked web spomali, tak spomalia aj ony. Medzi requestami maju sleep na 10 sekund alebo tak nieco.

Autori vacsich LLM si na toto nedavaju pozor, robia aj 1 request in flight, co znamena u mna aj 100 RPS. To uz je citit, hlavne ked sa ich stretne viac.

A v poslednej dobe sa rozmahaju nahodne crawlery s beznym user-agentom, ktore to pustia aj v 20 threadoch a stahuju co to da a to server nedava. Blokujem ich podla apache logov z fail2ban a nasledne iptables DROP + explicitne dropnem spojenie. Nic lepsie a dost spolahlive aby to nezabilo beznych navstevnikov ma zatial nenapadlo; toto znamena vypadok cca 5 sekund.

Úplně jednoduše – roboti vyhledávačů respektují robots.txt.

"Úplně jednoduše – roboti vyhledávačů respektují robots.txt."

Takhle polozene to redukuje celou historii, kterou se k robots.txt vubec doslo. Nic z toho, co se deje ted, neni opravdu nove :) Jen jsou v tom lidi, kterym neni tolik, aby meli vsechny tyhle "stare" zkusenosti tak samozrejme zaryte v pameti.

Já bych řekl, že jsou to lidi kterým je to úplně jedno. Veškeré autorské právo začíná postrádá úplně smysl.

mne teda udivuje tenhle konkretni stockholm syndrom, ja to vzdycky bral tak, ze svobodny licence jsou az dusledek toho, ze si tady na ty planete lidi mezi sebou defaultne zakazujou jen tak sdelovat znalosti, vedomosti a produkty svy myslenkovy prace, ze jsou ty licence nutny zlo do sveta, kterej je odchylenej od idealu - coz by bylo nezakazovat takovy sireni informaci rovnou z prvni :D

aneb, kdybych to chtel nejak ilustrovat, dal bych jako priklad Microsoft a podobni potrebujou mit moznost coprightu a jeho restriktivniho pouziti - Red Hat a podobni to nepotrebujou, tak kdo je inovativnejsi, komu patri budoucnost :D

ohledne AI - prijde mi docela nevyhnutelny, aby vubec ta AI mohla vznikat, ze pozere vsechen text, co lidstvo do ted napsalo, tak nejak z principu, jak to funguje a co od toho chceme dal...

a tak by mi davalo mnohem vetsi smysl bojovat za moznost, na tenhle konkretni ucel, ignorovat copyright - pro nas pro vsechny, at si s touhle technologii budoucnosti muzou hrat vsichni, ne jen ti, co prisli prvni, maji za sebou nekonecnou kopu investorskych penez a tak skoro nekonecnou moznost, jak to zkouset pravne uhrat a ustat...

obecne mi prijde lepsi se soustredit na to, jak zajistit co nejpozitivnejsi budoucnost, nez konstatovat, ze vsechno uz je prohrane, nic nedava smysl - depresivni pohled na vec mi prijde vylozene skodlivy pro budoucnost nas vsech

(ano jsem si vedom, ze mne ted jde chytnout na spouste mist za konkretni slovo a ignorovat tak velmi snadno, co se snazim predat celkove - doufam, ze se na mne nebude nikdo zlobit, kdyz se toho nechytim a nepujdu do takoveho flamewaru)

"postrádá úplně smysl."

Tak to postradalo vzdycky. Ono to vzdycky totiz bylo pravo jen pro nekoho. Typicky toho, kdo mel prachy.