Омоглифы: визуально похожие символы и знаки.

Введение

Различные глифы, которые визуально похожи.

В орфографии и типографии гомоглиф — это одна из двух или более графем, символов или глифов, имеющих идентичные или очень похожие формы, но различающиеся по значению. Это обозначение также применяется к последовательностям символов, обладающих такими свойствами. В 2008 году Консорциум Unicode опубликовал свой Технический отчёт № 36, посвящённый ряду вопросов, возникающих из-за визуального сходства символов как внутри одного алфавита, так и между символами разных алфавитов. Примерами гомоглифических символов являются: (а) диэрезис и умлаут (оба — пара точек, но с разным значением, хотя и кодируются одними и теми же кодовыми точками); и (б) дефис и знак минуса (оба — короткий горизонтальный штрих, но с разным значением, хотя часто кодируются одной и той же кодовой точкой). Среди цифр и букв цифра 1 и строчная буква l всегда кодируются отдельно, но во многих шрифтах им соответствуют очень похожие глифы, а цифра 0 и прописная буква O всегда кодируются отдельно, но во многих шрифтах им соответствуют очень похожие глифы. Практически любую пару гомоглифических символов потенциально можно графически различить с помощью чётко различимых глифов и отдельных кодовых точек, однако это не всегда делается. Шрифты, которые недостаточно чётко различают гомоглифы «один/эль» и «ноль/о», считаются неподходящими для записи формул, URL-адресов, исходного кода, идентификаторов и других текстов, где символы не всегда можно различить без контекста. Для этих целей предпочтительны шрифты, которые различают глифы, например, с помощью перечёркнутого нуля.

Связанные термины

Термин гомограф иногда неправильно используется как синоним гомоглифа, но в обычном лингвистическом смысле гомографы - это слова, которые пишутся одинаково, но имеют разные значения, свойство слов, а не символов. Аллографы - это варианты дизайна шрифта, которые выглядят по-разному, но означают одно и то же, например, и , или знак доллара с одним или двумя штрихами. Термин синоглиф имеет аналогичное, но немного более абстрактное значение, например, символ и буква (в Lsd) обозначают фунт стерлингов, но только в этом контексте. Аллографии и синоглифы также известны неофициально как варианты отображения.

Умлаут и диареза

В дни ранних механических пишущих машинок эти символы печатались одной и той же клавишей (с использованием техники "возврат и перезапись"), которая также использовалась для двойной кавычки. Однако умляут изначально возник как пара коротких вертикальных линий (а не две точки) (см. Зуттерлин). Кстати, две точки над буквой Е в албанском языке описываются как диаэрезис, но не выполняют функцию диаэрезиса.

0 и O; 1, l и I

Два распространенных и важных набора гомоглифов, используемых сегодня, – цифра ноль и заглавная буква O (т. е. 0 и O); и цифра один, строчная буква L и заглавная i (т. е. 1, l и I). В первые дни механических пишущих машин визуальных различий между этими глифами было очень мало или не было вовсе, и машинистки использовали их взаимозаменяемо как клавиатурные сокращения. Фактически, на большинстве клавиатур даже не было клавиши для цифры "1", поэтому пользователям приходилось вводить букву "l" вместо неё, а некоторые клавиатуры не имели и цифры "0". Когда эти же машинистки в 1970-х и 1980-х годах перешли к работе с компьютерными клавиатурами, их прежние привычки сохранились, что иногда приводило к путанице. Большинство современных шрифтов тщательно различают эти гомоглифы, обычно делая цифру ноль более узкой, а цифру один – с выраженными засечками. Ранние компьютерные принтеры пошли еще дальше и обозначали ноль косой чертой или точкой, что привело к новому конфликту, связанному со скандинавской буквой "Ø" и греческой буквой Φ (фи). Переработка шрифтов для разграничения этих символов уменьшила количество ошибок. Степень, в которой два разных символа кажутся одинаковыми для наблюдателя, называется "визуальным сходством". Некоторые шрифты соответствуют стандарту читаемости DIN 1450, тщательно разрабатывая такие символы, чтобы их было легко различать: ноль с косой чертой для отличия от заглавной O; строчная l с хвостиком и заглавная I с засечками для отличия от цифры 1; различие между цифрой 5 и заглавной S и т. д. Пример путаницы из-за почти гомоглифов возник из-за использования буквы "a" для обозначения символа "thorn" (þ). Ранние английские наборщики импортировали голландские наборы, в которых отсутствовал последний символ, поэтому использовали букву "a" вместо него, поскольку (в шрифте Blackletter) они достаточно похожи. В наше время это привело к таким явлениям, как "Ye olde shoppe", ошибочно подразумевающим, что слово "the" раньше писалось как "ye" (/j//iː/), а не как "þe". Написание фамилии Menzies (произносится как Mengis и первоначально писалось как Menʒies) возникло по той же причине: буква "z" была заменена на букву "y" (yogh).

Two common and important sets of homoglyphs in use today are the digit zero and the capital letter O (i. e. 0 and O); and the digit one, the lowercase letter L and the uppercase i (i. e. 1, l and I). In the early days of mechanical typewriters there was very little or no visual difference between these glyphs, and typists treated them interchangeably as keyboarding shortcuts. In fact, most keyboards did not even have a key for the digit "1", requiring users to type the letter "l" instead, and some also omitted 0. As these same typists transitioned in the 1970s and 1980s to being computer keyboard operators, their old keyboarding habits continued with them, and was an occasional source of confusion. Most current type designs carefully distinguish between these homoglyphs, usually by drawing the digit zero narrower and drawing the digit one with prominent serifs. Early computer print outs went even further and marked the zero with a slash or dot, which led to a new conflict involving the Scandinavian letter "Ø" and the Greek letter Φ (phi). The redesigning of character types to differentiate these characters has meant less confusion. The degree to which two different characters appear the same to a given observer is called the "visual similarity". Some type designs conform to the DIN 1450 legibility standard by carefully designing such characters to be easy to distinguish: slashed zero to distinguish it from capital O; lowercase l with a tail and uppercase I with serifs to distinguish it from the digit 1; distinguishing the numeral 5 from the capital S; etc. An example of confusion due to near homoglyphs arose from the use of a to represent a (thorn). Early English typesetters imported Dutch typesets that did not contain the latter character, so used the letter instead because (in Blackletter typeface) they look sufficiently similar. It has led in modern times to such phenomena as Ye olde shoppe, implying incorrectly that the word the was formerly written ye /j//iː/ rather than þe. The spelling of the name Menzies (pronounced Mengis and originally spelled Menʒies) arose for the same reason: the letter was substituted for (yogh).

Многобуквенные гомоглифы

Некоторые другие сочетания букв выглядят похоже, например, rn на m, cl на d, а vv на w.

В некоторых шрифтах с узким межбуквенным интервалом (таких как Tahoma) размещение буквы "c" рядом с буквами "j", "l" или "i" может создать гомоглиф, например, cj, cl, ci (g, d, a). Когда некоторые символы располагаются рядом друг с другом, при беглом взгляде они могут создавать визуальное впечатление другого, несвязанного символа. Более точно можно сказать, что некоторые типографские лигатуры могут выглядеть похоже на отдельные глифы. Например, лигатура "fi" в некоторых шрифтах может напоминать букву "A". Эта возможность возникновения путаницы иногда приводится как аргумент против использования лигатур.

Гомоглифы Юникода

В Юникоде есть кодовые точки для многих сильно гомоглифических символов, известных как "спутательные". и привлекались к особому вниманию в отношении интернационализированных доменных имен. По крайней мере, теоретически можно намеренно подделать доменное имя, заменив один символ его гомоглифом, создав таким образом второе доменное имя, которое не отличается от первого, и которое может быть использовано в фишинге (см. Главную статью IDN гомограф атака). Во многих шрифтах греческая буква "Α", кириллица "А" и латинская буква "А" визуально идентичны, как и латинская буква "a" и кириллица "а" (то же самое можно применить к латинским буквам "aBceHKopTxy" и кириллице ""). Доменное имя может быть подделан просто путем замены одной из этих форм на другой в отдельно зарегистрированном имени. Есть также много примеров почти гомоглифов в том же сценарии, таких как "í" (с острым акцентом) и "i", É (E острый) и Ė (E точка выше) и È (E grave), Í (с острым акцентом) и ĺ (Lowercase L с острым). При обсуждении этой конкретной проблемы безопасности любые две последовательности похожих символов могут быть оценены с точки зрения их потенциала, чтобы быть приняты как "пары гомоглифов", или если последовательности явно кажутся словами, как "псевдогомографы" (опять же отмечая, что эти термины могут сами вызывать путаницу в других контекстах). В китайском языке многие упрощенные китайские символы являются гомоглифами соответствующих традиционных китайских символов. Усилия реестров TLD и дизайнеров веб-браузеров направлены на минимизацию рисков гомоглифической путаницы. Обычно это достигается путем запрета названий, которые смешивают наборы символов из нескольких языков (игрушки Я us. org, используя кириллицу Я, будет недействительной, но wíkipedia. org и Википедии. В Канаде регистратор CA делает еще один шаг вперед, требуя, чтобы имена, отличающиеся только диакритическими знаками, имели одного и того же владельца и одного регистратора. Обработка китайских символов варьируется: в org и info регистрация одного варианта делает другой недоступным для кого-либо, в то время как в biz традиционные и упрощенные версии одного и того же имени поставляются в виде пакета двух доменов, которые оба указывают на один и тот же сервер доменных имен. Соответствующая документация будет найдена как на веб-сайтах разработчиков, так и на форуме IDN, предоставленном ICANN. В кириллице кириллица С не только выглядит как латинская C, но и занимает ту же кнопку в гибридных клавиатурах JCUKEN QWERTY. Этот дизайнерский нюанс можно увидеть на кнопке C/С, представленной в Ключевой монумент в Екатеринбурге.

Unicode has code points for many strongly homoglyphic characters, known as "confusables". and were called to particular attention in regard to internationalized domain names. In theory at least, one might deliberately spoof a domain name by replacing one character with its homoglyph, thus creating a second domain name, not readily distinguishable from the first, that can be exploited in phishing (see main article IDN homograph attack). In many typefaces, the Greek letter 'Α', the Cyrillic letter 'А' and the Latin letter 'A' are visually identical, as are the Latin letter 'a' and the Cyrillic letter 'а' (the same can be applied to the Latin letters "aBceHKopTxy" and the Cyrillic letters ""). A domain name can be spoofed simply by substituting one of these forms for another in a separately registered name. There are also many examples of near homoglyphs within the same script such as 'í' (with an acute accent) and 'i', É (E acute) and Ė (E dot above) and È (E grave), Í (with an acute accent) and ĺ (Lowercase L with acute). When discussing this specific security issue, any two sequences of similar characters may be assessed in terms of its potential to be taken as a 'homoglyph pair', or if the sequences clearly appear to be words, as 'pseudo homographs' (noting again that these terms may themselves cause confusion in other contexts). In the Chinese language, many simplified Chinese characters are homoglyphs of the corresponding traditional Chinese characters. Efforts by TLD registries and Web browser designers aim to minimize the risks of homoglyphic confusion. Commonly, this is achieved by prohibiting names which mix character sets from multiple languages (toys Я us. org, using the Cyrillic letter Я, would be invalid, but wíkipedia. org and wikipedia. org still exist as different websites); Canada's ca registry goes one step further by requiring names which differ only in diacritics to have the same owner and same registrar. The handling of Chinese characters varies: in org and info registration of one variant renders the other unavailable to anyone, while in biz the traditional and simplified versions of the same name are delivered as a two domain bundle which both point to the same domain name server. Relevant documentation will be found both on the developers' Web sites, and on an IDN Forum provided by ICANN. In Cyrillic, Cyrillic С not only looks like Latin C, but also occupy the same button in JCUKEN QWERTY hybrid layout keyboards. This design nuance can be seen on the C/С button represented in Keyboard Monument in Yekaterinburg.

Канонизация

Гомоглифы всех видов могут быть обнаружены посредством процесса, называемого "двойной канонизацией". Использование современных решений безопасности, особенно тех, которые способны сканировать вариации гомоглифов в доменных именах, позволяет автоматизировать обнаружение и предотвращение потенциальных угроз. Кроме того, внедрение строгой политики мониторинга и регистрации доменных имен может помочь оперативно выявлять и нейтрализовать риски, связанные с гомоглифами. Развивая культуру кибербезопасности и используя передовые технологии, организации могут усилить свою защиту от атак с использованием гомоглифов, обеспечивая более безопасную онлайн-среду.