近日，Downcodes小编获悉，社交媒体平台Bluesky发生一起大规模数据抓取事件，引发广泛关注。机器学习图书管理员Daniel van Strien通过Bluesky的API接口，抓取了超过一百万条公开用户帖子，并上传至AI公司Hugging Face。此举引发争议，因Bluesky用户并未同意其内容被如此使用，尽管平台并未明确禁止此类行为。该事件凸显了开放平台数据安全与用户隐私保护之间的矛盾。
最近，社交媒体平台 Bluesky 面临了一次重大的数据抓取事件。一位机器学习图书管理员丹尼尔・范斯特林（Daniel van Strien）从 Bluesky 的 API 接口上抓取了超过一百万条公开的用户帖子，并将这些数据上传至 AI 公司 Hugging Face。
该数据集包含了用户的去中心化标识符（DID）以及一系列可以搜索特定用户内容的功能。范斯特林表示，这个数据集的主要目的是用于语言模型和自然语言处理的开发，此外还包括社交媒体趋势分析、内容审核及发布模式的研究。
这项数据抓取行动引发了广泛关注，因为 Bluesky 的用户并未同意将其内容用于此类用途。虽然平台并没有明确禁止这种行为，但它的火灾 API 提供了一个 “聚合的、按时间顺序排列的公共数据流”，包括帖子、点赞、关注、账号变更等信息。因此，Bluesky 的内容在理论上是对第三方开发者开放的。
对此，Bluesky 的一位代表表示:“Bluesky 是一个开放和公共的社交网络，就像互联网上的其他网站一样。
虽然 robots.txt 文件并不能总是阻止外部公司抓取这些网站，但情况是类似的。我们希望能够找到一种方式，让 Bluesky 用户可以向外部组织 / 开发者传达他们是否同意使用其数据，并希望外部组织尊重用户的同意，我们正在积极讨论如何实现这一目标。”
这起事件引起了用户的担忧，特别是许多用户是因竞争平台 X 的新 AI 训练政策而转投 Bluesky 的。值得注意的是，在该报道发布后不久，范斯特林从 Hugging Face 上删除了这个数据集。
他在 Bluesky 上表示:“我已从该仓库中删除 Bluesky 数据。虽然我想支持该平台的工具开发，但我意识到这种做法违反了数据收集中的透明度和同意原则。对此，我深感抱歉。”
此次事件引发了关于开放平台数据使用权限和用户隐私保护的讨论，Bluesky 也表示正在积极寻求解决方案，以更好地平衡开放性和用户数据安全之间的关系。这对于其他开放平台也具有借鉴意义，需要在技术和政策层面共同努力，才能更好地保护用户权益。