Blacklists UT1

L'Université Toulouse 1 Capitole diffuse depuis quelques années une liste noire d'URLs, gérée par Fabrice Prigent afin de permettre un meilleur contrôle de l'utilisation d'Internet. Cette base, largement utilisée par les écoles, peut s'intégrer dans un grand nombre d'outils libres ou commerciaux, en complément d'autres listes.

Avec le temps le nombre de catégories a fortement augmenté, et leur rôle a changé. La liste que nous fournissons doit être vue comme une catégorisation des sites, plus que comme une liste à bloquer. Par exemple

• child est une catégorie dite liste blanche pour les enfants en bas âge
• liste_bu est une catégorie à ouvrir pour les universités
• press peut être vue comme à interdire (au travail par exemple) ou à autoriser (CIO, Bibliothèque).

N'oubliez pas que vous pouvez (devez ?) utiliser une catégorie "locale" qui permettrait d'adapter le comportement de votre filtrage. Ainsi les blogs peuvent être interdits de manière générale, mais certains doivent être autorisés pour des raisons pédagogiques.

Cette création est mise à disposition sous un contrat Creative Commons.

Plusieurs catégories sont définies, mais c'est surtout le pornographique qui est activement maintenu.

Pour ceux qui veulent une base de "travail". Je ne mets à jour régulièrement que la base adult qui nous est la plus utile. Si certains d'entre vous décidaient de compléter les autres bases, je me ferais un plaisir de les intégrer dans la mise à jour.

J'ajoute à l'heure actuelle entre 50 et 300 urls par jour (il faut faire des vérifications sur certaines urls) : je ne peux absorber que lentement les ajouts que fait mon robot d'exploration. Veuillez m'en excuser.

Il existe un fichier regroupant toutes les catégories : blacklists.tar.gz C'est la compilation des bases qui sont décrites ci-dessous :

Catégorie	Nombre	Description
adult	978656	Des sites adultes allant de l'érotique à la pornographie dure.
agressif	336	Quelques sites raçistes, antisémites, inçitant à la haine.
audio-video	1905	Quelques sites orientés vers l'audio et la vidéo.
blog	422	Quelques sites hébergeant des blogs.
cleaning	158	Sites pour désinfecter et mettre à jour des ordinateurs.
dangerous_material	38	Sites décrivant des moyens de créer du matériel dangereux (explosif, poison, etc.).
drogue	901	Drogue.
financial	74	Informations financieres, bourses.
forums	201	Forums.
gambling	714	Sites de jeux en ligne, casino, etc.
hacking	292	Sites de piratage et d'agressions informatiques.
liste_bu	2113	Une liste trés "univ-tlse1.fr" de sites éducatifs pour notre bibliothèque.
mobile-phone	34	Sites pour les mobiles (sonneries, etc.).
phishing	63517	Sites de phishing, de piéges bancaires, ou autres.
publicite	1279	Publicité.
radio	134	Sites de radio sur Internet
redirector	47814	Quelques sites qui permettent de contourner les filtres.
strict_redirector	47599	Comme redirector, mais avec les moteurs de recherche classiques.
strong_redirector	47599	Comme strict_redirector, mais, pour google et autres, on ne bloque que certains termes.
tricheur	34	Sites qui expliquent comme tricher aux examens.
warez	692	Sites de logiciels pirates.
webmail	86	Webmail que l'on trouve sur internet (hotmail, webmail.univ-tlse1.fr, etc.)
games	8314	Sites de jeux, en ligne, ou de distributions de jeux.
mixed_adult	105	Sites qui contiennent des portions adultes non structured
filehosting	712	Sites qui hebergent des contenus (video, images, son)
reaffected	9	Sites qui ont change de proprietaire et donc de contenu
sexual_education	12	Sites qui parlent d education sexuelle et qui peuvent etre detectes comme pornographiques
shopping	131	Sites de vente et achat en ligne
dating	3103	Sites de rencontres
marketingware	180	Sites de marketing tres speciaux
astrology	25	Astrologie
sect	144	Secte
celebrity	640	Tout ce qui concerne l actualite dite people
manga	583	Tout ce qui est lié à l'univers des mangas et de la bande dessinée
child	17	Tout ce qui est autorisé pour des enfants
malware	206052	Tout site qui injecte des malwares
press	37	Tout site de presse d'information
chat	207	Site de dialogue et conversation en ligne.
remote-control	13	Site permettant la prise de controle a distance

Ces listes ont certainement quelques incohérences. Si vous en trouvez signalez le moi fabrice.prigent@univ-tlse1.fr ou bien utilisez l'interface suivante. http://cri.univ-tlse1.fr/cgi-bin/squidguard_modify.cgi.

La constitution des bases est faite par le biais de 2 moyens :

• La contribution de personnes (voir ci dessous), qui envoient régulièrement des modifications
• Un robot qui explore Internet à la recherche de pages pornographiques. Il utilise pour cela diverses méthodes
  • Exploration de pages référencées,
  • Utilisation d'index déjà connus,
  • Utilisation des moteurs de recherche,
  • etc.
    Les bases sont mises à jour 2 à 3 fois par semaine, dépendant essentiellement de mes disponibilités.

Cette base n'existe que par le travail de bénévoles, dont plusieurs étrangers. Ceci confère à la base une utilité internationale.

• Alexandre Chevrier CSVT (pour sa contribution dans les jeux)
• Barbagelata Pierre (MATICE -rectorat de Nice)
• Cedric Foll (Qui désormais a de bien plus grandes responsabilités au ministère)
• Charles COLLET
• David Garroux du CARIP de l'académie de Lyon
• Deckert Florian
• Dilain Laurent
• Eric Jansen (les sites de hosting)
• Francesco Mascaro
• Hervé Bienvenu
• Hans Musil (beaucoup d'ajouts en allemand)
• Henrique Araujo (beaucoup d'ajouts en espagnol et internationaux)
• IAE pconline
• Jago27
• Kris Carlier
• Marc Kool (15% de la base vient de lui)
• Marcos Manoni (en majorité des sites en langue espagnole)
• Mark Bizzell
• Michel Roiron
• Philippe Ferreira
• Rick Matthews
• Rogério Pinheiro da Silva
• Sean Riley
• Sylvain Vincent
• Sylvain Poidras
• Symon Aked
• Stéphanie Chevtchenko
• Todd Sieland-Peterson
• Yann Cézard (CRI - Université de Pau et des Pays de l'Adour) (pour la catégorie games)
• Yann Guillemot
• et les nombreux autres anonymes

D'autres personnes maintiennent des bases de données disponibles :

• http://www.bn-paf.de/filter/de-blacklists.tar.gz
• http://squidguard.mesd.k12.or.us/blacklists.tgz qui semble être une combinaison de nos bases et de celles du BN-PAF.
• Tom Schouteden maintient http://www.linugen.com/contentfilter/
• Masanori Harada maintient une base complète à partir de l'annuaire http://dmoz.org. Une page d'explication est disponible ici http://www.ingrid.org/~harada/filtering/

Plusieurs moyens sont disponibles :

• par http : http://cri.univ-tlse1.fr/blacklists/download
• par ftp : ftp://ftp.univ-tlse1.fr/blacklist/
• par rsync : rsync://ftp.univ-tlse1.fr/blacklist/

• Une information plus complète est disponible sur cette url.
• Si vous souhaitez protéger votre enfant : protection_enfance.html.
• Si vous souhaitez un exemple de configuration Configuration d'un squidguard.conf