Caractères non ASCII et DNS : IDN. Olivier.Guillard@nic.fr

Transcription

1 Caractères non ASCII et DNS : IDN Olivier.Guillard@nic.fr -0-

2 Il faut se méfier des mots Langue : système de signes verbaux propres à une communauté d'individus qui l'utilisent pour s'exprimer et communiquer entre eux. L'usage concret de la langue est l'action de parler (la parole, le verbe) ; Écriture (1) : représentation de la parole et de la pensée par des signes graphiques ; Écriture (2) : système de signes permettant cette représentation ; Système d écriture : ensemble de règles qui associées à une écriture (2) permettent l écriture (1) ; Caractère : (du Grec kharactêr, signe gravé) élément, symbole d une écriture (2) ; Note 1 : Il existe différents systèmes d'écriture, comme par exemple celles basées sur des caractères (lettres) permettant de représenter les sons générés par la parole, ou celles basées sur des caractères (idéogrammes) permettant de représenter directement le sens des mots (et non les sons), etc. Note 2 : Il existe des langues qui ont changé d'écriture en fonction de l'histoire (Espagne, Vietnam, ). -1-

3 Code, écriture, informatique (1) Code : système de symboles permettant d interpréter, de transmettre un message, de représenter une information, des données : code de signaux, code informatique (Larousse 2004) ; Le télégraphe à fil de S. Morse est le premier mécanisme permettant de transporter l'information par le courant électrique. Les lettres sont codées sous forme de flots de signaux pouvant prendre 3 états (longue, brève et courte) ; Le code mis au point par Émile Baudot propose un codage de 32 caractères grâce à des combinaisons d actions sur des claviers à 5 touches. Avec son amélioration par Donald Muray et avec le Télex les lettres peuvent être directement saisies en émission et imprimées en réception, encodées et décodées à la volée ; -2-

4 Code, écriture, informatique (2) L information à usage électronique est codée en deux signes (états) : 0 ou 1 ; le bit est l'unité élémentaire d'information ne pouvant prendre que l'une de ces deux valeurs ; Les caractères sont codés sous forme de combinaison de bits ; l ASCII est créé dans les année 6O pour répondre au besoin d interopérabilité entre les ordinateurs. 127 caractères (lettres anglaises, chiffres et contrôles) sont codés sur 7 bits ; La normalisation ISO de l ASCII étend le standard ANSI initial permettant la prise en compte d'autres jeux de caractères ; La norme ISO 8859-n apporte depuis les années 80 un progrès considérable dans la localisation des écritures en informatique en étendant le codage à huit bits et en introduisant la notion de pages ; En définissant un code unique pour tous les caractères, quelque soit l'écriture (recherche d exhaustivité) et en distinguant le code et la représentation machine (l encodage) UNICODE propose une nouvelle approche pour le support électronique des caractères. -3-

5 Table ASCII (source -4-

6 Il faut se méfier des mots ASCII : (de l Anglais : American Standard Code for Information Interchange) Code normalisé utilisé pour l échange de données informatiques, qui définit les représentations d un jeu de caractères à l aide de combinaison de sept éléments binaires (Larousse 2004) ; ASCII : Créé par l ANSI (American National Standards Institute) en 1963, aux débuts de l'informatique, l ASCII est un code standard de 128 caractères traduits en langage binaire sur sept bits (A= , B= , etc.). Les 128 caractères comprennent les 26 lettres sans accent, les chiffres, les signes de ponctuation et les symboles. L utilisation de l ASCII permet uniquement la lecture de l anglais. Par la suite, les alphabets européens comportant des lettres accentuées sont représentés par des versions étendues de l ASCII codées sur huit bits, qui permettent de traiter un total de 256 caractères. L extension pour le français est définie par la norme ISO (Latin-1). A partir de 1998, l ASCII est progressivement remplacé par l Unicode, utilisé pour les fichiers texte des nouvelles versions de Windows, le système d'exploitation de Microsoft (à commencer par Windows NT, Windows 2000 et Windows XP), alors que les versions précédentes utilisaient l ASCII. (Marie Lebert, -5-

7 ASCII, l incontournable Les 127 premiers caractères de la norme ISO 8859-n, quelque soit la page, correspondent très exactement aux 127 codes caractère de l ASCII ; Les 127 premiers caractères de l unicode, correspondent très exactement aux 127 codes caractère de l ASCII ;!Tout fichier codé suivant ISO 8859-n ne contenant que des octets dont le bit de poids fort est à 0 sont identiques aux fichiers ASCII contenant les mêmes caractères (peuvent donc être décodés comme tels) ;! Tout fichier unicode codé en UTF-8 ne contenant que des octets dont le bit de poids fort est à 0 sont identiques aux fichiers ASCII contenant les mêmes caractères (peuvent donc être décodés comme tels) ;! Parmi les caractères Unicode, seul les caractères ASCII ont le même code que leur représentation machine (lorsque encodés en UTF-8). Encodé en UTF-16 ou UTF-32, le code est simplement préfixé par le caractère NULL (00). -6-

8 DNS -7-

9 DNS -8-

10 DNS Le DNS permet de localiser des services à partir d une désignation plus facilement mémorisable que les adresses IP ; Les noms de domaine publiables dans le DNS respectent des spécifications techniques précises définies par l IETF ; Grammaire DNS définissant les identifiants autorisé, résumé par l ICANN ( dot = "." dash = "-" alpha = A-Z / a-z digit = 0-9 ldh = alpha / digit / dash id-prefix = alpha / digit label = id-prefix [*61ldh id-prefix] sldn = label dot label; not to exceed 254 characters hostname = *(label dot) sldn; not to exceed 254 characters Les noms de domaine sont insensibles à la casse (RFC1035) : diplomatie.gouv.fr = DIPLOMATIE.gouv.FR= diplomatie.gouv.fr -9-

11 IDN mécanisme général (RFC3490) xn--socit-esab -10-

12 IDN (International Domain Name) Novembre 1999 : Création du groupe IDN à l IETF ; Août 2000 : Verisign annonce la mise à disposition d une plateforme de test pour l enregistrement de «noms de domaine multilingues» ; Septembre 2000 : ICANN demande à Verisign de préciser les modalités de déploiement et de travailler avec l IETF pour la standardisation des IDN : Février 2003 : sélection du préfixe d encodage IDNA par IANA (xn--) ; Mars 2003 : publication des spécifications normatives de mise en œuvre d IDN par IETF (RFC 3490, 3491, and 3492 ) ; Juin 2003 : publication du guide de mise en oeuvre des IDN pour les registres par ICANN Création de «tables de langages» mises en œuvre par les registres, maintenues par IANA

13 IDN (International Domain Name) Les noms de domaine contenant des caractères non-ascii sont encodés en ASCII avant interrogation du DNS. Définition du mécanisme général de résolution DNS et de l algorithme d encodage pour les IDN: RFC3490 ; Définition des tables d équivalence pour les caractères non ASCII. Première passe d encodage: StringPrep, NamePrep RFC 3491: les noms de domaine sont insensibles à la casse (RFC1035) par les noms ASCII. Question : société.com = SociÉTé.com? => la RFC 3491 inclut les spécifications des tables de casse (basées sur les recommandations unicode). Définition de l algorithme d encodage (punycode) des chaînes préparées contenant des caractères non ASCII (RFC 3492). -12-

14 Quelques conséquences Les noms de domaine ne reposent plus uniquement sur le DNS puisqu une partie de l encodage est effectué (localisé) dans l applicatif : si société.com est un nom de domaine, la résolution DNS effective est faite sur le nom xn socit-esah.com ; Les applicatifs doivent être mis à jour pour assurer l encodage avant la résolution DNS effective ; Avec un clavier ASCII, il est toujours possible de localiser un serveur désigné par un nom IDN en saisissant directement le résultat de l encodage ; Les registres de noms de domaine, qu ils aient déployé ou non IDN, doivent réfléchir aux statuts des noms de domaine commençant par la chaîne «xn». -13-

15 Quelques problèmes de déploiement et d usage Compétences à mettre en œuvre par un bureau d enregistrement pour prendre en compte les noms comportant des «caractères non connus» par le bureau (niveau de difficulté fonction des politiques d enregistrement du bureau) ; Proximité graphique entre des caractères appartenant à différentes écritures (H latin et H (n) slave) ; Proximité graphique entre des caractères au sein d une même écriture. Par exemple, d un point de vue «droit au nom», television.fr = télévision.fr? Problème de stockage des noms effectivement enregistrés (l archivage de la seule forme «punycodée» peut ne pas être satisfaisante) ; Fourniture des services associés (whois, ) éventuellement dégradés ; Partitionnement par localisation (un nom comportant un c cedille ne sera accessible que par les utilisateurs pouvant saisir le c cedille) ; Décodage IDN disponible encore aujourd hui pour une frange limitée d applicatifs. -14-

16 La question du Whois -15-

17 Whois francetelecom.fr: (extrait) Services associés (question du whois:.fr) domain: holder: address: address: address: address: admin-c: tech-c: tech-c: tech-c: zone-c: nsl-id: liste-r: mnt-by: mnt-lower: registrar: source: francetelecom.fr France Telecom OCISI France Telecom / Ocisi / Ate 11, rue du Chene Germain Cesson-Sévigné Cedex FR BF2-FRNIC OH251-FRNIC FM58-FRNIC MM268-FRNIC NFC1-FRNIC NSL2-FRNIC N FR-NIC-MNT FR-NIC-MNT TRANSPAC FRNIC Note: les domaines en.fr sont exclusivement ASCII, l écriture iso est permise dans les informations sociales. -16-

18 sałatki.pl (sawatki) Whois sałatki.pl -> no result Services associés (question du whois:.pl) Whois xn--saatki-4db.pl (extrait) DOMENA: xn--saatki-4db.pl typ: FIRMOWA id abonenta: crn_1821 serwery nazw: dns.nano.pl.[ ] dns2.nano.pl.[ ] utworzona: ostatnia modyfikacja: registrar: Cybernetix - Domeny.org firma: Vircon Robert Kastelik ulica: ul. Polanki 12 miasto: Gdansk lokalizacja: PL identyfikator: crn_1821 ostatnia modyfikacja: registrar: Cybernetix - Domeny.org firma: Cybernetix ulica: Al. Solidarnosci 117 miasto: Warszawa lokalizacja: PL identyfikator: crn_cyb telefon: fax: ostatnia modyfikacja: Note: le titulaire dispose en fait de la forme punycodée du domaine, il n est nulle part fait référence au nom comprenant les caractères non-ascii dans son contrat. Le registre n archive et ne publie aucune information non ASCII. -17-

19 Quelques problèmes de déploiement et d usage (clavier et encodage) I'm very happy to announce the birth of my son, François (fran[&ccedilla;]ois)/františek (franti[š]ek), Pierre/Petr GUILLARD Borned the 8th of august in Versailles Baby, Mummy, Dady feel very well. You can see him here: if you can type c cedilla and have an appropriate browser if you can type s caron and have an appropriate browser if this is too complicated You will need this: user: invite pass: xxxxxxx Kind regards, Olivier -18-

20 Quelques problèmes de déploiement et d usage (applicatifs) Seuls quelques applicatifs supportent les IDN essentiellement des navigateurs web ; Les navigateurs basés sur la libidn effectuent correctement le décodage quelque soit la LOCALE de l utilisateur ; Verisign propose un plug-in pour Internet Explorer (i-nav) qui ne décode pas correctement dans tous les cas de figure ; Concernant le web, la localisation est effectuée par une URL et pas seulement par le nom d hôte (nom de domaine). Aucune normalisation n est encore stabilisée concernant l internationalisation des URL ; Microsoft ne prévoit pas le support natif des IDN pour l instant ; D autres problèmes d usages plus insidieux (animation vidéo). -19-

21 Le déploiement effectif Les registres ayant déployé les IDN ont identifié des listes de caractères autorisés dans le TLD qu ils opèrent. Voir: Les domaines correspondant à des espaces nationaux sont plus propices au déploiement des IDN car l identification des caractère autorisés est plus simple ; En Europe.de,.ch,.at,.pl,.gr,.no ont déployé les IDN ; Le.pl autorise les écritures arabe, hébreu, grecque et polonaise ; En Asie, le.jp,.kr et.th ont déployé les IDN ; Sous les (s)gtld, le.museum a déployé les écritures scandinaves, sous le.org, les écritures germaniques ont été déployées. -20-

22 Étude de cas sous l extension allemande.de Ouverture sous.de le 1 mars 2004 ; Couverture médiatique importante (TV, Radio, journaux, etc.) ; Ouverture aux caractères ISO plus quelques caractère spécifiques ; Plusieurs attaques en justice à l égard de DENIC avant l ouverture (ignorées ou rejetées par DENIC); Après l ouverture, accroissement des cas de litiges ; Au 29 avril 2004, IDN enregistrés (pour un total de 7,5 millions de domaines sous.de); -21-

23 Références Réflexion sur les questions d encodage : Consortium, liste des caractères et encodages unicode : Comité idn ICANN et documentation IDN IANA : Normes DNS : Normes IDN :

24 Références Ressources et Produits IDN : Les navigateurs basés sur la libidn comme mozilla supportent les IDN en natif. -23-

25 Remerciements Je tiens à remercier les ingénieurs de l AFNIC pour leur aide et leur relecture de cette petite étude, spécialement: Philippe Lubrano Stéphane Bortzmeyer Vincent Levigneron Jean-Philippe Pick Ainsi que les collègues cctld qui ont accepté d échanger leur expérience sur le sujet, spécialement: DENIC, le registre.de Switch, le registre du.ch NASK, le registre du.pl Forth, registre du.gr NICat, registre du.at Le registre du.ac Et plus généralement, les collègues du CENTR ( -24-

26 Questions? -25-