Uno scraper AI è un software automatizzato che raccoglie contenuti web su larga scala per la ricerca, l'indicizzazione, l'analisi o l'addestramento di modelli. Come un crawler normale, recupera pagine ed estrae testo, link, immagini o metadati, ma può farlo più rapidamente, in modo più esteso e con l'obiettivo di creare dataset per sistemi di machine learning.
Nella sicurezza informatica, gli scraper AI sono importanti perché l'accesso pubblico non significa consenso alla raccolta massiva. Molti siti usano robots.txt, limiti di velocità o rilevamento dei bot, ma questi controlli sono spesso solo indicativi o facili da aggirare. I difensori possono rispondere con content shaping, limitazione dell'accesso, fingerprinting o misure lato server che rendono meno utile la raccolta automatizzata. Il rischio non è solo l'abuso di larghezza di banda; include anche il riutilizzo non autorizzato di testo protetto da copyright o sensibile, la fuga di dati in modelli downstream e la pressione sull'infrastruttura. Per i team di sicurezza, il problema chiave è controllare quanta valore leggibile dalle macchine un aggressore possa estrarre dalle pagine pubbliche.