该页面显示网站管理员启用了Anubis验证系统，通过工作量证明机制防止AI公司大规模抓取数据，以保护服务器稳定运行。

标题：确保你不是机器人！

来源：https://code.ffmpeg.org/FFmpeg/FFmpeg/issues/24290

内容概述：你看到此页面是因为网站管理员设置了Anubis系统，用于保护服务器免受AI公司大规模抓取网站内容的侵扰。这种抓取行为会导致网站停机，使资源对所有人不可用。Anubis是一种折中方案，采用类似Hashcash的工作量证明机制，旨在减少垃圾邮件。其原理是，个人访问时额外负担可忽略，但大规模抓取时成本会显著增加。最终，这是一个临时解决方案，以便有更多时间开发识别无头浏览器（例如通过字体渲染方式）的技术，从而避免向更可能是合法用户的用户展示工作量证明页面。请注意，Anubis需要现代JavaScript功能，而JShelter等插件会禁用这些功能，因此请为此域名禁用JShelter或类似插件。

根据评论内容，总结如下：

主要观点与论据：

1. AI在软件测试中的双刃剑效应（评分：无）

   • 支持方：AI可低成本进行大规模模糊测试，节省人力时间（dabinat: "It's very easy to send an AI agent on an open-ended bug hunt... Time is much more important for a human developer"）。
   • 反对方：AI可能引入隐蔽错误，修复成本更高（VCFundedGenYer: "You'll waste far more time finding what it quietly and subtly wrecked"）。

2. 模糊测试的有效性争议（评分：无）

   • 肯定价值：廉价随机测试仍能发现经典漏洞（cpriest: "a cheap random harness still hits classical bugs in ancient parsers"）。
   • 质疑深度：生成正确输入以深入调用栈才是难点（12j3afAv: "Generating correct input to get deep into the call stack... is the hard part"）。

3. FFmpeg代码库的特定问题（评分：无）

   • 安全性质疑：该漏洞仅为不可利用的崩溃，非安全漏洞（cptroot: "This is not a real bug... it is possible to crash FFmpeg by giving it bad data"）。
   • 架构建议：应使用白名单限制文件格式（jeffbee: "build ffmpeg... with only an allow-list of file formats"）。
   • 代码维护：可能移除小众格式支持（tensegrist: "remove support for these long-tail formats"）。

4. LLM的潜在威胁（评分：无）

   • 自动化攻击风险：AI可长时间运行，针对复杂C代码库进行攻击（justonenote: "Smart aspiring blackhats will be targeting tmux next... agents running on auto mode for hours become a very valuable springboard"）。

平衡性说明： 评论呈现明显分歧：部分认可AI辅助测试的效率，部分强调其引入新风险；对FFmpeg漏洞的严重性也存在不同判断。