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	4507782	Des sites adultes allant de l'érotique à la pornographie dure.
agressif	388	Quelques sites racistes, antisémites, incitant à la haine.
arjel	69	Sites de pari en ligne certifiés par l ARJEL
associations_religieuses	1	Sites d'associations religieuses
astrology	29	Astrologie
audio-video	3585	Quelques sites orientés vers l'audio et la vidéo.
bank	1845	Banque en ligne
bitcoin	268	Sites de bitcoin
blog	1471	Quelques sites hébergeant des blogs.
celebrity	674	Tout ce qui concerne l actualité dite people
chat	243	Site de dialogue et conversation en ligne.
child	74	Tout ce qui est autorisé pour des enfants
cleaning	173	Sites pour désinfecter et mettre à jour des ordinateurs.
cooking	21	Sites de cuisine
cryptojacking	14308	Site de mining en hijacking
dangerous_material	50	Sites décrivant des moyens de créer du matériel dangereux (explosif, poison, etc.).
dating	3823	Sites de rencontres
ddos	421	Sites de déni de services
dialer	4	Sites de dialer
doh	90	Serveurs DNS over HTTP ou équivalent
download	4019	Sites qui permettent de télécharger des logiciels
drogue	1065	Drogue.
educational_games	11	Sites de jeux éducatifs
examen_pix	276	Une liste uniquement réservée aux élèves français passant l examen PIX. NE PAS UTILISER dans d autres circonstances
filehosting	902	Sites qui hébergent des contenus (vidéos, images, sons)
financial	84	Informations financières, bourses.
forums	209	Forums.
gambling	1332	Sites de jeux en ligne, casino, etc.
games	11515	Sites de jeux, en ligne, ou de distributions de jeux.
hacking	304	Sites de piratage et d'agressions informatiques.
jobsearch	386	Site pour trouver un emploi
lingerie	86	Sites de lingerie
liste_bu	2898	Une liste très "univ-tlse1.fr" de sites éducatifs pour notre bibliothèque.
malware	64672	Tout site qui injecte des malwares
manga	828	Tout ce qui est lié à l'univers des mangas et de la bande dessinée
marketingware	33	Sites de marketing très spéciaux
mixed_adult	153	Sites qui contiennent des portions adultes non structurés
mobile-phone	50	Sites pour les mobiles (sonneries, etc.).
phishing	64684	Sites de phishing, de pièges bancaires, ou autres. Copie de la catégorie malware.
press	4493	Tout site de presse d'information
publicite	4044	Publicité.
radio	521	Sites de radio sur Internet
reaffected	8	Sites qui ont changé de propriétaire et donc de contenu
redirector	129672	Quelques sites qui permettent de contourner les filtres.
remote-control	48	Site permettant la prise de contrôle à distance
sect	145	Secte
sexual_education	19	Sites qui parlent d éducation sexuelle et qui peuvent être détectés comme pornographiques
shopping	36566	Sites de vente et achat en ligne
shortener	362	Raccoursisseur d'URL
social_networks	682	Tous les sites de réseaux sociaux
sports	2297	Sports
stalkerware	22	Site diffusant des outils d'espionnage pour les particuliers
strict_redirector	129400	Comme redirector, mais avec les moteurs de recherche classiques.
strong_redirector	129400	Comme strict_redirector, mais, pour google et autres, on ne bloque que certains termes.
translation	178	Sites de traduction
tricheur	54	Sites qui expliquent comme tricher aux examens.
update	6	Sites d'update pour les OS ou les logiciels
vpn	1472	Site de VPN
warez	1332	Sites distribuant, entre autres, des logiciels ou vidéos pirates.
webmail	410	Webmail que l'on trouve sur internet (hotmail, webmail.univ-tlse1.fr, etc.)

Ces listes ont certainement quelques incohérences. Si vous en trouvez signalez le moi fabrice.prigent@ut-capitole.fr ou bien utilisez l'interface suivante. https://dsi.ut-capitole.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.

• Alban Caporossi
• Alexandre Chevrier CSVT (pour sa contribution dans les jeux)
• L'Association www.app3l.org
• Barbagelata Pierre (MATICE -rectorat de Nice)
• Benjamin E. Nichols http://www.squidblacklist.org
• Benjamin Bellec
• Cedric Foll (Qui désormais a de bien plus grandes responsabilités au ministère)
• Charles COLLET
• Christian ORNAGHI
• David Garroux du CARIP de l'académie de Lyon
• Deckert Florian
• Dilain Laurent
• Eric Jansen (les sites de hosting)
• Francesco Mascaro
• Gotzon Astondoa, auteur du logiciel de contrôle parental http://www.wesify.com.
• Hervé Bienvenu
• Hans Musil (beaucoup d'ajouts en allemand)
• Henrique Araujo (beaucoup d'ajouts en espagnol et internationaux)
• IAE pconline
• Jago27
• Josef Skarba
• Jean François Bellanger (Maison des Sciences de l'Homme) pour tout ce qui concerne les sites de phishing
• Kris Carlier
• Laura Cosarca
• Marc Kool (15% de la base vient de lui)
• Marcos Manoni (en majorité des sites en langue espagnole)
• Mark Bizzell
• Maxime Brunier(NITD)
• Michel Roiron
• Nicolas DELAMARRE NSI-ADMR (Société dédiée aux systèmes d'information ADMR)
• Philippe Ferreira
• Pierre Bardou
• Nathanaël Bonin du MiPih
• Rick Matthews
• Rogério Pinheiro da Silva
• Sean Riley
• Sylvain Vincent
• Sylvain Poidras
• Symon Aked
• Stéphanie Chevtchenko
• Société SOFIA Informatique
• Todd Sieland-Peterson
• Centre des Systèmes et Réseaux(Université Hassiba Benbouali CHLEF (Algeria))
• 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, mais elles disparaissent au fur et à mesure...

• http://www.squidblacklist.org/,
• http://squidguard.mesd.k12.or.us/blacklists.tgz qui semble être une combinaison de nos bases et d'autres sources
• http://www.shallalist.de/ ce sont les mainteneurs de squidguard
• http://urlblacklist.com Payante.

Plusieurs moyens sont disponibles :

• par http : http://dsi.ut-capitole.fr/blacklists/download, par exemple (merci à Gabriel Moreau pour son astuce) :

  	wget --timestamping http://dsi.ut-capitole.fr/blacklists/download/all.tar.gz
  	

• par ftp : ftp://ftp.ut-capitole.fr/blacklist/
• par rsync : rsync://ftp.ut-capitole.fr/blacklist/ par exemple avec ceci :

  cd /tmp
  mkdir tempo
  cd tempo
  rsync -arpogvt rsync://ftp.ut-capitole.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
• Le Squidguard de Pfsense a des problèmes avec la taille de la base de données. pfblockerNG (un package spécifique intégré dans pfsense) pourrait être la solution: une explication