Internet được xem là nguồn trí thức rất lớn của nhân loại, song trên thực tế Deep Web (Web Ẩn) mới chứa đựng thông tin nhiều hơn những gì bạn có thể thấy qua… tìm kiếm Google
Liệu bạn có cảm thấy sốc khi biết được rằng ngầm bên dưới của internet là cả một thế giới nội dung rộng lớn gấp nhiều lần hơn thế giới World Wide Web (WWW) mà chúng ta có thể tiếp cận hiện nay? Các chuyên gia ước tính rằng các Web Ẩn mà các máy tìm kiếm hiện nay không thể chạm tới đang chứa lượng nội dung nhiều gấp 500 lần so với WWW.
Deep Web (tạm dịch là Web Ẩn) là các nguồn dữ liệu, thông tin dạng Web trên internet nhưng không thể tìm thấy trên các máy tìm kiếm thông thường hiện nay như Google, Bing … Có rất nhiều nghiên cứu cho thấy các bộ máy tìm kiếm hiện nay chỉ lập được chỉ mục (indexing) cho một phần rất nhỏ của tất cả các nội dung web hiện có trên internet, còn phần rất lớn của chúng thì hoàn toàn không được đại đa số người dùng biết đến.
Chuyên gia về Web Ẩn Mike Bergman – sáng lập viên của công ty BrightPlanet đã đưa ra một hình ảnh so sánh như bên dưới. Dựa trên hình ảnh mô tả này, có thể thấy các dữ liệu WWW hiện nay thông qua cách tìm kiếm trên các bộ máy tìm kiếm (Google, Bing…) giống như bề mặt của đại dương, rất nhiều thứ có giá trị có thể được tìm thấy trên bề mặt này, thế nhưng những mỏ dữ liệu – thông tin có kích thước lớn hơn, giá trị hơn lại nằm sâu, thậm chí rất sâu dưới bề mặt yên ả của đại dương internet, các dữ liệu này thường được ẩn khỏi các bộ máy tìm kiếm.
Thông thường các bộ máy tìm kiếm sẽ lục lọi trên internet để thu thập các dữ liệu bằng một dạng phần mềm gọi là “Crawler” (chương trình thu thập thông tin). Công nghệ này hoàn toàn không hiệu quả trong việc lục tìm các Web Ẩn. Các chuyên gia về mạng Internet đã phân các dạng Web Ẩn thành các loại sau:
- Dữ liệu web động: các trang web động có nội dung được sinh ra dựa vào các yêu cầu truy vấn nội dung đặc biệt hoặc truy cập thông qua các biểu mẫu truy vấn nội dung.
- Các nội dung không được tạo liên kết hyperlink: các trang nội dung web không được liên kết tới từ bất kỳ website nào và bản thân nó cũng không có liên kết tham chiếu nào đến trang web khác. Có thể hiểu rằng việc này giống việc bạn đưa lên internet một tờ giấy A4 chỉ chứa nội dung mà không hề có một đường liên kết nào cả.
- Các website buộc xác thực truy cập: các trang web yêu cầu muốn truy cập nội dung của nó thì thực hiện việc đăng ký và đăng nhập.
- Các website có nội dung thay đổi theo ngữ cảnh: các trang web này hiển thị nội dung thay đổi tùy thuộc vào một số điều kiện tác động, ví dụ như người dùng từ các dải IP của châu Á truy cập vào thì sẽ được xem nội dung phù hợp cho khu vực châu Á.
- Các nội dung web bị giới hạn truy cập: một số trang web giới hạn việc truy cập tới các nội dung của nó bằng một số phương pháp kỹ thuật như file Robots.txt, CAPTCHAs hoặc tham số HTTP headers để ngăn cấm các máy tìm kiếm truy cập cũng như tạo bản cache nội dung.
- Nội dung sinh từ script hoặc Flash/Ajax: một số website chỉ có thể truy cập thông qua một liên kết được sinh ra bởi một đoạn mã JavaScript, nội dung được nhúng bên trong Flash hoặc chỉ có thể được tải về thông qua Ajax.
- Nội dung phi HTML hoặc text: tức là các nội dung văn bản nhưng được hiển thị bên trong một tấm hình, video hoặc một số định dạng tập tin mà các máy tìm kiếm không thể đọc được.
- Nội dung văn bản chỉ có thể truy cập thông qua giao thức Gopher hoặc các tập tin được lưu trữ trên các máy chủ FTP thì không được lập chỉ mục bởi hầu hết các máy tìm kiếm hiện nay: các máy tìm kiếm thông dụng như Google mặc nhiên không lập chỉ mục cho các trang không dùng giao thức HTTP hoặc HTTPS
Thế giới Web Ẩn song song này còn rộng lớn hơn nữa với rất nhiều nguồn thông tin, dữ liệu đa dạng thuộc các hệ thống mạng (có đấu nối với internet) của các doanh nghiệp, các chính phủ và cả của các tổ chức tội phạm mạng (như các nguồn dữ liệu bị đánh cắp và công bố bởi Anonymous, LulzSec…).
Khái niệm Web Ẩn thường đi kèm với ý tưởng về các nguồn dữ liệu bị đánh cắp, các nguồn dữ liệu bí mật thuộc các hệ thống bí ẩn không thể truy cập được. Thực ra đây chỉ là một sự hiểu biết sai lầm về Web Ẩn, các nội dung này vẫn có thể truy cập được theo một cách nào đó và trong một giới hạn nào đó, tuy nhiên chắc chắn rất khó để tìm thấy chúng bằng cách lục lọi trên một máy tìm kiếm phổ thông nào đó. Web Ẩn chính là giới hạn kỹ thuật mà các máy tìm kiếm hiện nay đang cố vượt qua.
Nói đơn giản, khi bạn kiểm tra email, online shopping hay vào Facebook … là bạn đang sử dụng “phần bề mặt” của Web (Surface Web / Visible Web) , hay là phần “hiện hữu” mà các công cụ tìm kiếm như Yahoo, Google có thể tìm ra. Điều đó có nghĩa là, có một phần còn lại của mạng internet bị ẩn đi, và ẩn sau đó là nhiều điều không phải ai cũng biết hoặc … không nên biết.
Trong một thế giới mạng luôn yêu cầu công bố rộng rãi danh tính cá nhân mà Facebook đang muốn như hiện nay, Web Ẩn vẫn là nơi những người chuyên về mạng yêu thích như 4chan chẳng hạn, tại đó người dùng cảm giác mình có quyền tự do hơn bởi danh tính của họ hoàn toàn được giữ kín thông qua kỹ thuật.
Sự phát triển của Web Ẩn đồng thời cũng mở ra cơ hội cho các loại hình chợ bất hợp pháp phát triển mạnh. Điển hình là trang “Con đường tơ lụa” (Silk Road) được tổ chức tương tự như Amazon, cung cấp môi trường cho người mua và bán hàng hóa sử dụng tiền tệ là Bitcoin, đồng tiền kỹ thuật số mà ở đó hầu như không thể dò ra được chủ sở hữu. Silk Road tiếp cận với khách hàng thân thiện và đảm bảo tính ẩn danh nên nhanh chóng trở thành địa chỉ cho các tay buôn lậu. Tới năm 2013 khi Silk Road bị đóng cửa, FBI cho biết thị trường này đã thu hút 14.000 nhà cung cấp, 957.059 thành viên và đã có hơn 1,2 triệu lượt giao dịch với tổng trị giá 214 triệu USD. Song rất nhiều chợ bất hợp pháp khác như Agora, AlphaBay lên thay thế và việc kinh doanh cũng thực sự phát triển. Song theo báo cáo của các nhà nghiên cứu tại Carnegie Mellon, giao dịch trên các thị trường ẩn danh không vượt quá 500.000 USD mỗi ngày.