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	1050277	Des sites adultes allant de l'érotique à la pornographie dure.
agressif	356	Quelques sites raçistes, antisémites, inçitant à la haine.
arjel	68	Sites de pari en ligne certifies par l ARJEL
astrology	29	Astrologie
audio-video	3323	Quelques sites orientés vers l'audio et la vidéo.
bank	1693	Banque en ligne
bitcoin	254	Sites de bitcoin
blog	1471	Quelques sites hébergeant des blogs.
celebrity	659	Tout ce qui concerne l actualite dite people
chat	222	Site de dialogue et conversation en ligne.
child	40	Tout ce qui est autorisé pour des enfants
cleaning	167	Sites pour désinfecter et mettre à jour des ordinateurs.
cooking	16	Sites de cuisine
dangerous_material	42	Sites décrivant des moyens de créer du matériel dangereux (explosif, poison, etc.).
dating	3557	Sites de rencontres
dialer	0	Sites de dialer
drogue	1056	Drogue.
educational_games	9	Sites de jeux éducatifs
filehosting	829	Sites qui hebergent des contenus (video, images, son)
financial	78	Informations financieres, bourses.
forums	208	Forums.
gambling	1112	Sites de jeux en ligne, casino, etc.
games	11048	Sites de jeux, en ligne, ou de distributions de jeux.
hacking	295	Sites de piratage et d'agressions informatiques.
jobsearch	382	Site pour trouver un emploi
lingerie	27	Sites de lingerie
liste_bu	2634	Une liste trés "univ-tlse1.fr" de sites éducatifs pour notre bibliothèque.
malware	183669	Tout site qui injecte des malwares
manga	722	Tout ce qui est lié à l'univers des mangas et de la bande dessinée
marketingware	187	Sites de marketing tres speciaux
mixed_adult	132	Sites qui contiennent des portions adultes non structurés
mobile-phone	39	Sites pour les mobiles (sonneries, etc.).
phishing	63523	Sites de phishing, de piéges bancaires, ou autres.
press	4444	Tout site de presse d'information
publicite	1418	Publicité.
radio	421	Sites de radio sur Internet
reaffected	8	Sites qui ont change de proprietaire et donc de contenu
redirector	100606	Quelques sites qui permettent de contourner les filtres.
remote-control	42	Site permettant la prise de controle a distance
sect	144	Secte
sexual_education	16	Sites qui parlent d education sexuelle et qui peuvent etre detectes comme pornographiques
shopping	36386	Sites de vente et achat en ligne
social_networks	635	Tous les sites de reseaux sociaux
sports	2263	Sports
strict_redirector	100334	Comme redirector, mais avec les moteurs de recherche classiques.
strong_redirector	100334	Comme strict_redirector, mais, pour google et autres, on ne bloque que certains termes.
translation	170	Sites de traduction
tricheur	46	Sites qui expliquent comme tricher aux examens.
warez	816	Sites de logiciels pirates.
webmail	340	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. http://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.

• 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
• 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
• Marc Kool (15% de la base vient de lui)
• Marcos Manoni (en majorité des sites en langue espagnole)
• Mark Bizzell
• Michel Roiron
• Nicolas DELAMARRE NSI-ADMR (Société dédiée aux systèmes d'information ADMR)
• Philippe Ferreira
• Rick Matthews
• Rogério Pinheiro da Silva
• Sean Riley
• Sylvain Vincent
• Sylvain Poidras
• Symon Aked
• Stéphanie Chevtchenko
• 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 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