Détecteur de caractères trompeurs

Une lettre à l’écran est un nombre en dessous

Les ordinateurs stockent le texte sous forme de nombres appelés points de code. Le « a » latin minuscule est U+0061. Le « а » cyrillique minuscule est U+0430. Les polices dessinent les deux avec la même forme, donc vos yeux ne peuvent pas les distinguer, mais pour le système de noms de domaine ils sont aussi différents que « a » et « z ». Unicode définit plus de 150 000 caractères dans plus de 160 écritures et beaucoup ressemblent beaucoup à des lettres latines, ou leur sont identiques.

Pendant des décennies, les noms de domaine étaient limités aux lettres ASCII, aux chiffres et aux tirets. Les noms internationalisés sont venus plus tard et la règle sur le réseau n’a jamais changé. Un nom qui contient d’autres caractères est converti en une forme ASCII qui commence par xn--, appelée punycode. münchen.de voyage sous la forme xn--mnchen-3ya.de. Un nom écrit avec des lettres cyrilliques qui ressemblent à « apple » voyage sous la forme xn--80ak6aa92e.com et il appartient à celui qui l’a enregistré.

Ce truc s’appelle une attaque par homographe. Les navigateurs s’en défendent dans la barre d’adresse en affichant la forme xn-- quand un nom mélange des écritures. Les logiciels de courrier, les applications de messagerie, les fichiers PDF et les codes QR imprimés ne s’en soucient pour la plupart pas.

Ce que teste le détecteur

Il commence par trouver le nom d’hôte dans ce que vous avez collé, qu’il s’agisse d’un lien complet, d’une adresse e-mail ou d’un simple domaine. Puis il exécute ces tests dans votre navigateur :

Écriture de chaque caractère

Un libellé qui mélange du latin avec du cyrillique, du grec, de l’arménien, du cherokee, du lisu, du géorgien ou du copte est marqué en rouge. Il en va de même pour un libellé entièrement écrit dans l’une de ces écritures quand chaque lettre a un jumeau latin. Le latin mélangé avec du chinois, du japonais ou du coréen est un usage normal et n’est pas signalé.

Table des sosies

Environ 180 caractères connus pour imiter une lettre latine, un chiffre ou un signe de ponctuation, plus les formes pleine largeur et les lettres mathématiques. Les points, barres obliques et tirets qui ne sont pas les vrais sont en rouge, parce qu’ils déplacent la frontière du domaine.

Caractères invisibles et de direction

Les espaces et liaisons de largeur nulle, les traits d’union conditionnels et les contrôles bidirectionnels. U+202E, le forçage de droite à gauche, fait afficher invoice[U+202E]fdp.exe comme « invoiceexe.pdf ».

Ressemblance avec une marque

Le nom est ramené à ce que voit un lecteur pressé : sosies ramenés au latin, accents retirés, 0 lu comme o, 1 comme l, rn comme m, vv comme w, cl comme d. Cette forme réduite est comparée à environ 95 des noms que le hameçonnage imite le plus : grandes banques d’Amérique du Nord et d’Europe, services de paiement, transporteurs de colis, administrations fiscales, comptes de messagerie et de streaming.

Structure de l’adresse

Une partie utilisateur avant @ dans un lien (https://paypal.com@example.net/ mène à example.net), un domaine de marque utilisé comme sous-domaine d’un autre, une adresse IP nue.

Lire le résultat

Le résumé a quatre compteurs : écritures présentes, caractères sosies, caractères invisibles et la marque à laquelle le nom ressemble, s’il y en a une. En dessous, « Ce que vous voyez, ce que c’est » liste le même nom de quatre façons :

• Affiché : tel qu’il apparaît, avec les caractères suspects surlignés et le domaine enregistrable en gras.
• Forme technique : le punycode que le navigateur demande réellement.
• Lu en vitesse : la forme réduite utilisée pour la comparaison avec les marques.
• Domaine qui compte : le domaine enregistrable, la partie que quelqu’un a dû acheter. Tout ce qui est à sa gauche dépend de son propriétaire, donc paypal.com.secure-login.net est une page de secure-login.net.

Ensuite, la table des caractères donne chaque caractère avec son point de code et son écriture. Le rouge marque les sosies et les caractères invisibles. Le jaune marque les signes combinants et les caractères de contrôle. Le bleu n’est là que pour information, sur une lettre latine accentuée ou une lettre d’une autre écriture utilisée seule.

La ressemblance avec une marque a quatre niveaux. Trois sont en rouge : la même orthographe réduite, une orthographe à une lettre près (deux pour les noms de dix lettres ou plus) et un vrai domaine de marque utilisé comme préfixe. Un nom de marque simplement contenu dans un domaine plus long est en jaune, car revendeurs et partenaires le font pour des raisons honnêtes.

Limites d’une vérification de caractères

Le détecteur juge la façon dont un nom est écrit, pas le site qui se trouve derrière. secure-account-verify.com ne contient aucun caractère truqué ni aucune marque, donc il passe sans problème alors que c’est un piège évident. Pour la réputation, utilisez la recherche de site dangereux.

La liste de marques est courte exprès. Une banque régionale ou une petite boutique n’y figure pas, donc leurs imitations ne sont attrapées que si elles utilisent des lettres étrangères ou des caractères invisibles. Les noms de marque très courts (trois ou quatre lettres) ne sont reconnus que comme libellé entier. Sinon nous signalerions des mots ordinaires qui les contiennent par hasard.

Un nom peut aussi être signalé et rester honnête. De vraies entreprises enregistrent des domaines en cyrillique ou en grec pour des gens qui lisent ces langues. Ce que vous vérifiez, c’est si l’écriture correspond à l’expéditeur et à la langue du message.