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	971363	Des sites adultes allant de l'érotique à la pornographie dure.
agressif	331	Quelques sites raçistes, antisémites, inçitant à la haine.
audio-video	1878	Quelques sites orientés vers l'audio et la vidéo.
blog	420	Quelques sites hébergeant des blogs.
cleaning	171	Sites pour désinfecter et mettre à jour des ordinateurs.
dangerous_material	36	Sites décrivant des moyens de créer du matériel dangereux (explosif, poison, etc.).
drogue	897	Drogue.
financial	72	Informations financieres, bourses.
forums	200	Forums.
gambling	669	Sites de jeux en ligne, casino, etc.
hacking	290	Sites de piratage et d'agressions informatiques.
liste_bu	2110	Une liste trés "univ-tlse1.fr" de sites éducatifs pour notre bibliothèque.
mobile-phone	31	Sites pour les mobiles (sonneries, etc.).
phishing	63560	Sites de phishing, de piéges bancaires, ou autres.
publicite	1254	Publicité.
radio	130	Sites de radio sur Internet
redirector	42937	Quelques sites qui permettent de contourner les filtres.
strict_redirector	42720	Comme redirector, mais avec les moteurs de recherche classiques.
strong_redirector	42720	Comme strict_redirector, mais, pour google et autres, on ne bloque que certains termes.
tricheur	33	Sites qui expliquent comme tricher aux examens.
warez	686	Sites de logiciels pirates.
webmail	85	Webmail que l'on trouve sur internet (hotmail, webmail.univ-tlse1.fr, etc.)
games	7729	Sites de jeux, en ligne, ou de distributions de jeux.
mixed_adult	107	Sites qui contiennent des portions adultes non structured
filehosting	695	Sites qui hebergent des contenus (video, images, son)
reaffected	8	Sites qui ont change de proprietaire et donc de contenu
sexual_education	9	Sites qui parlent d education sexuelle et qui peuvent etre detectes comme pornographiques
shopping	126	Sites de vente et achat en ligne
dating	3082	Sites de rencontres
marketingware	179	Sites de marketing tres speciaux
astrology	24	Astrologie
sect	145	Secte
celebrity	609	Tout ce qui concerne l actualite dite people
manga	546	Tout ce qui est lié à l'univers des mangas et de la bande dessinée
child	16	Tout ce qui est autorisé pour des enfants
malware	181780	Tout site qui injecte des malwares
press	36	Tout site de presse d'information
chat	200	Site de dialogue et conversation en ligne.
remote-control	12	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