Johans blogg-blogg

Uppdaterat: Det visade sig ligga spam på ännu fler olika domäner. Några spamsidor verkar ha dykt upp redan 2003/2004.

Sammanfattning: Relativt många bloggar länkar till dabloid.se. Detta gör att sajten får en hög s.k. pagerank (ung. förtroende) hos Google. Förutsättningen är att sajter som många länkar till antagligen är "bra". Sajter som har hög pagerank hamnar ofta långt längre fram i sökresultaten hos Google än sidor med lägre pagerank.

Detta har ägaren av dabloid.se, Rickard, bestämt sig för att utnyttja genom att skapa tusentals automatgenererade sidor som består av massa kopierad text från bl.a. svenska bloggar. Sidorna hoppas kapa besökare som egentligen skulle komma till en riktig sida (dvs. den blogg texten är tagen ifrån).

Rickard säger i ett nytt blogginlägg att det bara var för att göra en undersökning av hur lättlurade sökmotorer är. Jag tror honom inte.

Lite kuriosa: även WordPress har tidigare utnyttjat sin höga pagerank för att sprida spam. Det kan vara intressant att läsa att en av ursäkterna till det var ungefär samma som Rickard nu använder sig av; "det var bara en undersökning för att hjälpa amatörförfattare med att få en bra balans av nyckelord".

Varför finns det massa konstiga automatgenererade sidor i underkatalogen wiki på bloggportalen dabloid.se? Sidorna bygger på ord skördade från blogginlägg.

Notera att det inte går att klicka direkt på Google-resultaten eftersom versionen antagligen bara visas för ip:n som tillhör Googles sökrobot - vanliga mänskliga besökare skickas till framsidan (Efter midnatt: numera skickas man till en feldaterad "ursäkt"). Klicka istället så du får se Googles cache av sidorna.

Uppdaterat 21:48: Sidorna verkar bygga på text som har skördats från fler källor än vanliga blogginlägg, ta t.ex. "kategoriserade inlägg från svenska bloggar om intressant vad är en blogg mest intressant nya blogginlägg" som är från menyn på intressant.se.

Uppdaterat 22:39: Några av dessa sidor länkas osynligt från framsidan på dabloid.se med en CSS-klass (keywords) som har font-size: 0px;.

Uppdaterat 00:59: Rickard har nu publicerat ett blogginlägg - "Hur pålitliga är våra sökmotorer?" - som säger att spamsidorna var en "undersökning" för att få "spännande siffror". Jag har även fått ett brev från Rickard där han har "ingen förklaring" till varför det inlägget (som skrevs efter mitt inlägg) en kort stund såg ut att vara skrivet den 9 aug ("I förrgår") och nu sägs vara skrivet den 10 aug ("Igår"). I samma brev säger han att den s.k. undersökningen "drog iväg betydligt snabbare än väntat på just Google (under 24h)" - ganska konstigt att "undersökningen" enligt honom alltså bara varit igång mindre än ett dygn när Google säger sig ha hämtat vissa spamsidor redan den 6 aug. Tro vad ni vill, men jag tror inte alls det här enbart var en undersökning för att "ta reda på hur pass lurigt [internet] är som informationskälla". Det är en fråga som vi redan vet svaret på.

Uppdaterat 09:37: Nyss var Rickards inlägg 374 ord, nu är inlägget 593 ord. T.ex. så står det nu att allt startade för "några dagar sedan" (inte "under 24h") medans meningen "Jag återkommer med spännande siffror under de närmaste veckorna" är helt borttagen.

Uppdaterat 050823: Eftersom Google nu har slängt ut de flesta av sidorna så kan ni ta en titt på en skärmdump av mitten på en av de tusentals spamsidor som fanns den 11 augusti på dabloid.se.