Гомоглиф - Homoglyph - Wikipedia

Наложены гомоглифы латинской строчной буквы A (Unicode 0061) и кириллической строчной буквы A (Unicode 0430). Оба символа установлены в Helvetica LT Std.

В орфография и типография, а гомоглиф один из двух или более графемы, символы, или же глифы с формами, которые кажутся идентичными или очень похожими. Обозначение также применяется к последовательностям символов, обладающих этими свойствами.

Синоглифы глифы, которые выглядят по-разному, но означают одно и то же. Синоглифы также неофициально известны как варианты отображения. Период, термин омограф иногда используется синонимично с гомоглифом, но в обычном лингвистическом смысле омографы слова которые пишутся одинаково, но имеют разное значение, свойство слов, а не символов.

В 2008 г. Консорциум Unicode опубликовал свой технический отчет № 36[1] по ряду вопросов, возникающих из-за визуального сходства персонажей в отдельных сценариях и сходства между персонажами в разных сценариях.

Пример гомоглифической путаницы в историческом отношении является результатом использования буквы «y» для обозначения «þ» при установке старых английских текстов в гарнитуры, которые не содержат последний символ. Это привело в наше время к таким явлениям, как Вы старый магазин, неправильно подразумевая, что слово то ранее было написано вы /jя/. Для дальнейшего обсуждения см. шип.

Примеры гомоглифных символов: (а) диэрезис и умлаут (обе точки, но с разным значением, хотя закодированный с тем же кодовые точки ); и (б) дефис и знак минус (оба короткие горизонтальные штрихи, но с разным значением, хотя часто кодируются тот же код ). Среди цифры и буквы, цифра 1 и строчные л всегда кодируются отдельно, но во многих шрифты даны очень похожие глифы, а цифра 0 и капитал О всегда кодируются отдельно, но во многих шрифты даны очень похожие глифы. Практически каждый пример гомоглифической пары символов потенциально может быть графически дифференцирован с помощью четко различимых глифов и отдельных кодовых точек, но это не всегда делается. Шрифты которые категорически не различают гомоглифы one / el и zero / oh, считаются непригодными для записи формулы, URL-адреса, исходный код, Идентификаторы и другой текст, в котором символы не всегда можно отличить без контекст. Шрифты, которые различают глифы с помощью срезанный ноль, например, предпочтительны для этих целей.

Умлаут и диарезис

Во времена механических пишущих машинок они набирались с помощью одной и той же клавиши, которая также использовалась для двойной кавычки. Однако умляут возник именно как пара коротких вертикальных линий (а не из двух точек) (см. Саттерлин ). Между прочим, две точки над буквой E на албанском языке описываются как диарезис, но не выполняют функции диарезиса.[2]

0 и О; 1, л и я

Два общих и важных набора гомоглифов, используемых сегодня, - это цифра ноль и заглавная буква O (то есть 0 и O); и цифра один, строчная буква L и прописная i (т.е. 1, l и I). На заре механических пишущих машинок между этими глифами было очень мало или совсем не было визуальных различий, и машинистки относились к ним как к сочетаниям клавиш. Фактически, на большинстве клавиатур даже не было клавиши для цифры «1», что требовало от пользователей ввода вместо этого буквы «l», а некоторые также пропускали 0. Поскольку эти же машинистки в 1970-х и 1980-х годах стали операторами компьютерной клавиатуры. , их старые привычки к игре на клавиатуре сохранились с ними и время от времени вызывали путаницу.

Большинство современных шрифтовых дизайнов тщательно различают эти гомоглифы, обычно сужая нулевую цифру и рисуя цифру один с заметным засечки. Ранние компьютерные распечатки пошли еще дальше и отметили ноль косой чертой или точкой; что привело к новому конфликту с участием Скандинавский письмо "Ø "и греческая буква Φ (фи ). Изменение типов персонажей для различения этих персонажей привело к меньшей путанице. Степень, в которой два разных персонажа кажутся одинаковыми для данного наблюдателя, называется «визуальным сходством».[3]

Многобуквенные гомоглифы

Ул.эфан Щотковски похоже Аэфан Щотковски на могиле

Некоторые другие комбинации букв выглядят похожими, например rn выглядит похоже на м, cl похоже на d, и vv выглядит похоже на ш.

В некоторых шрифтах с узким интервалом (например, Тахома ), поместив букву c рядом с такой буквой, как j, l или i, создаст гомоглиф, например cj cl ci (г д а).

Когда некоторые персонажи помещаются рядом друг с другом, и их можно сразу увидеть вместе, они создают визуальное впечатление другого, не связанного с ними персонажа. Точнее сказать, что некоторые типографские лигатуры может выглядеть как отдельные глифы. Например, фи лигатура (ф) может выглядеть как А в некоторых гарнитурах или шрифтах. Эта возможность путаницы иногда является аргументом против использования лигатур.[нужна цитата ]

Гомоглифы Unicode

Три самых известных европейских алфавита (греческий, кириллица и латиница) имеют много форм букв, которые закодированы в Unicode под разными кодовыми точками.

В Unicode набор символов содержит много строго гомоглифических символов, известных как «смешиваемые».[1] Они представляют риски для безопасности в различных ситуациях (рассматривается в UTR № 36).[требуется разъяснение ] и недавно привлекли к себе особое внимание в отношении интернационализированные доменные имена. Можно преднамеренно подделать доменное имя, заменив один символ его гомоглифом, создав таким образом второе доменное имя, которое трудно отличить от первого, которое можно использовать в фишинг (см. основную статью Атака с использованием омографа IDN ). Во многих шрифты то Греческий буква "Α", Кириллица буква «А» и латинский буква «А» визуально идентичны, как и латинская буква «а» и кириллическая буква «а» (то же самое можно применить к латинским буквам «aBeHKopcTxy» и кириллическим буквам «аВеНКорсТху»). Доменное имя можно подделать, просто заменив одну из этих форм на другую в отдельно зарегистрированном имени. Есть также много примеров почти гомоглифов в одном и том же письме, таких как 'í' (с острым ударением) и 'i', É (E-острый) и Ė (E-точка выше) и È (E-grave), Í (с острым ударением) и ĺ (L в нижнем регистре с острым ударением). При обсуждении этой конкретной проблемы безопасности любые две последовательности одинаковых символов могут быть оценены с точки зрения их способности восприниматься как `` пара гомоглифов '' или, если последовательности явно кажутся словами, как `` псевдогомографы '' (еще раз отмечая что эти термины сами по себе могут вызвать путаницу в других контекстах). в китайский язык, много упрощенные китайские иероглифы являются гомоглифами соответствующих традиционные китайские иероглифы.

Усилия Реестры TLD и веб-браузер дизайнеры стремятся минимизировать риски гомоглифической путаницы. Обычно это достигается путем запрета имен, которые содержат наборы символов из разных языков (игрушки-Я-us.org, используя кириллицу Я, будет недействительным, но wíkipedia.org и wikipedia.org все еще существуют как разные сайты); Канадский .ca реестр идет еще дальше, требуя имен, которые отличаются только диакритические знаки иметь одного владельца и одного регистратора.[4] Обработка китайских иероглифов варьируется: в .org и .Информация регистрация одного варианта делает другой недоступным для всех, а в .biz традиционная и упрощенная версии с одним и тем же именем поставляются в виде двухдоменного пакета, который указывает на одно и то же сервер доменного имени.

Соответствующую документацию можно найти как на веб-сайтах разработчиков, так и на форуме IDN.[5] предоставленный ICANN.

Канонизация

Гомоглифы всех видов можно обнаружить с помощью процесса, называемого «двойной канонизацией».[3] Первым шагом в этом процессе является определение наборов гомоглифов, а именно символов, которые кажутся одинаковыми для данного наблюдателя. Отсюда указывается один токен для представления набора гомоглифов. Этот знак называется каноном. Следующим шагом является преобразование каждого символа в тексте в соответствующий канон в процессе, называемом канонизацией. Если каноны двух отрывков текста одинаковы, но исходный текст отличается, то в тексте существует гомоглиф.

Смотрите также

Рекомендации

  1. ^ а б "UTR № 36: Вопросы безопасности Unicode". www.unicode.org.
  2. ^ Описывать их как гомоглифы сомнительно, поскольку, вероятно, нет языков, в которых глиф мог бы выполнять обе эти роли. Было бы так же правильно описать, скажем, серьезный акцент как гомоглиф, потому что он выполняет разные роли в разных языках.
  3. ^ а б Хелфрич, Джеймс; Нефф, Рик (2012). Двойная канонизация: ответ на атаку омографа. Саммит исследователей электронных преступлений (eCrime), 2012 г. Дои:10.1109 / eCrime.2012.6489517.
  4. ^ «Архивная копия». Архивировано из оригинал на 2013-03-28. Получено 2013-03-29.CS1 maint: заархивированная копия как заголовок (связь)
  5. ^ «Архивы электронной почты ICANN: [idn-rules]». forum.icann.org.

внешняя ссылка