Decidimos reflexionar sobre criterios de defensa para evitar la recolección de datos maliciosos durante el proceso de recopilación
Dado que el código o la documentación generados por IA pueden contener transformaciones de código ASCII, caracteres Unicode confusos, caracteres de control invisibles o cadenas ofuscadas, debemos pensar cómo detectarlos y normalizarlos en la fase de recolección
Concluímos que, antes que simplemente acumular muchos datos de GitHub, es crucial establecer primero criterios para filtrar datos maliciosos, contaminados u ofuscados
Por problemas de condición, el trabajo podría retrasarse un poco durante un tiempo