IDN同形異義語攻撃

キリル文字は、同形文字において圧倒的に最も一般的に使用されているアルファベットであり、その主な理由は、ラテン文字と同一またはほぼ同一の小文字が11個含まれているためである。

キリル文字の а 、 с 、 е 、 о 、 р 、 х 、 у は、基本ラテン文字に視覚的に対応する文字があり、 a、c、e、o、p、x、yとよく似ているか、または同一に見えます。キリル文字のЗ、Ч、б は、数字の3、4、6に似ています。イタリック体では、 д т п иまたはд т п и (標準体では д т п и) という同形文字がさらに多く生成され、d m n u に似ています(一部のフォントでは、дのイタリック体が小文字のgに似ているためдを使用できますが、ほとんどの主流フォントでは、д は代わりに偏微分記号∂に似ています)。

大文字も数えると、小文字のキリル文字の同形文字の大文字に加えて、A B C E H I J K M O P S T Xを代用できます。

キリル文字の非ロシア語の問題のある文字は、іとi、јとj、ԛとq、ѕとs、ԝとw、ҮとYであり、ҒとF、ԌとGは互いにいくらか似ています。IDN 自体が偽装されている場合、キリル文字のӓ ё ї ӧもä ë ï öを偽装するために使用できます。

コミデ（ԁ）、シュハ（һ）、パロチカ（Ӏ） 、イジツァ（ѵ ）はラテン文字のd、h、l、vによく似ていますが、これらの文字は稀少または古風な文字であり、ほとんどの標準フォントでは広くサポートされていません（WGL-4には含まれていません）。これらを使用しようとすると、脅迫状のような効果が生じる可能性があります。

ギリシャ文字のうち、URLに使用される小文字のラテン文字と全く同じ形になるのは、オミクロン（ο）と、場合によってはニュー（ν ）のみです。イタリック体のフォントでは、ギリシャ文字のアルファ（α）がラテン文字のaのように見えることがあります。

このリストは、 e i k n p t u w x y vに対して類似一致も許可される場合 (ギリシャ語のε ι κ η ρ τ υ ω χ γ νなど) に増加します。大文字を使用すると、リストが大幅に拡張されます。ギリシャ語Α Β Ε Η Ι Κ Μ Ν Ο Ρ Τ Χ Υ Ζは、ラテン語A B E H I K M N O P T X Y Zと同じに見えます。ギリシャ語Α Γ Β Ε Η Κ Μ Ο Π Ρ Τ Φ Χ は、キリル文字А Г В Е Н К М О П Р Т Ф Х (特定の幾何学的表現におけるキリル文字Л л ( Л л ) やギリシャ語Λと同様) に似ています。サンセリフ フォント)、ギリシャ文字κとο はキリル文字のкとоに似ています。このギリシャ語のτ、φ は、一部のフォントではキリル文字のт、фに似ている場合があり、ギリシャ語のδ はキリル文字のбに似ており、キリル文字のаもラテン語の対応するものと同じ斜体になるため、アルファの代わりに使用したり、その逆を行うことができます。シグマの三日月形Ϲϲは、ラテン文字のC cとキリル文字のС сの両方に似ています。特に現代の書体では、キリル文字のлはギリシャ文字のπと区別がつかないグリフで表現されています。

IDN自体が偽装されている場合、一部のフォントではギリシャ語のベータβがドイツ語のエスツェットßの代わりとして使用できます（実際、コードページ437ではこれらを同等とみなしています）。同様に、ギリシャ語の語末異形シグマςがçの代わりとして使用できます。アクセント付きのギリシャ語の代替文字ό ί άは、多くのフォントで通常ó í áの代わりに使用できますが、最後の（アルファ）は、イタリック体のaに似ているだけです。

アルメニア語のアルファベットには重要な文字もあります。օ、ո、սなどのアルメニア語の文字、大文字のՏとԼは、現代のフォントではラテン文字と完全に同じであることが多く、また、ghnoquのように見えるցհոօզս、j（ただしドットなし）に似ているյ、フォントによってはpまたはfに似ているք、キリル文字のшに似ているաなど、十分に似ているため、紛らわしい記号もあります。しかし、アルメニア語の使用は幸いにも信頼性がやや低くなっています。すべての標準フォントにアルメニア語のグリフが含まれているわけではありません（ギリシャ文字とキリル文字は含まれています）。Windows 7より前のWindowsでは、アルメニア語はSylfaenという別のフォントでレンダリングされていました。Sylfaen以外のフォントやUnicode書体を使用すると、アルメニア語とラテン語の混在が明らかに異なって見えます。 （これは身代金要求メッセージ効果として知られています。）Windows 7 で使用されている現在のバージョンのTahomaはアルメニア語をサポートしています（以前のバージョンはサポートしていませんでした）。さらに、このフォントはラテン文字のgとアルメニア文字の ց を区別します。

アルメニア語の2文字（Ձշ）は数字の2に似ており、Յは3に似ており、別の文字（վ）は数字の4に似ていることがある。

ヘブライ語の文字を偽造することは一般的に稀です。ヘブライ語のアルファベットで確実に使用できる文字は、サメフ（ס）（oに似ている場合がある）、発音記号付きのヴァヴ（וֹ）（iに似ている）、ヘス（ח）（nに似ている）の3文字だけです。他の英数字についても精度は劣りますが、近似文字は見つかることもありますが、これらは通常、外国のブランド名表記に使う程度にしか正確ではなく、代替文字としては使えません。さらに、ヘブライ語のアルファベットは右から左に書かれるため、左から右に書かれる文字と混ぜると問題が生じる可能性があります。

タイ文字は歴史的に多くのループや小さな装飾で独特の外観をしていましたが、1973年のManopticaから始まり、現代のIBM Plexに至るまで、タイ文字はラテン文字によく似たグリフで表現される簡略化されたスタイルをますます採用しています。ค (A)、ท (n)、น (u)、บ (U)、ป (J)、พ (W)、ร (S)、ล (a)は、ラテン文字に非常によく似たタイ文字の例です。

中国語は、多くの文字が繁体字（正書法）と簡体字の両方で存在するため、同形異義語の問題が生じる可能性があります。.orgドメインでは、一方のバリアントを登録すると、もう一方のバリアントは誰にも使用できなくなります。.bizでは、中国語の IDN を 1 つ登録すると、両方のバリアントがアクティブなドメインとして提供されます（ただし、ドメインネームサーバーと登録者は同じである必要があります）。. hk (.香港) もこのポリシーを採用しています。

同形異義語が見られるその他のUnicodeスクリプトには、数字形式（ローマ数字）、CJK互換性および囲まれたCJK文字と月（特定の略語）、ラテン文字（特定の二重音字）、通貨記号、数式英数字記号、およびアルファベット表示形式（活字合字）などがあります。

1文字のアクセント記号だけが異なる2つの名前は、特に点付きの文字 iの置換の場合、非常によく似ているように見えることがあります。 i の点 (ドット) は、注意深く調べないと検出できない発音記号 (グレイブアクセントやアキュートアクセントなど。ì と í はどちらもほとんどの標準文字セットとフォントに含まれています) に置き換えられることがあります。ほとんどのトップレベルドメインレジストリでは、wíkipedia.tld (xn--wkipedia-c2a.tld) と wikipedia.tld は、異なる登録者が所有できる 2 つの異なる名前です。^{[ 6 ]}例外は.caで、ドメインのプレーンASCIIバージョンを予約することで、他の登録者が同じ名前のアクセント付きバージョンを主張することを防止できます。^{[ 7 ]}

Unicodeには、ゼロ幅スペースなど、デフォルトでは表示されない文字が多数含まれています。一般的に、ICANNはTLDの種類に関わらず、これらの文字を含むドメインの登録を禁止しています。

2011年、匿名の人物（「完全匿名」という名前で登録）が、テレビ局KBOI-TVのドメイン名と同名のドメイン名を登録し、偽ニュースサイトを作成した。このサイトの唯一の目的は、アイダホ州知事がジャスティン・ビーバーの音楽の販売を禁止するというエイプリルフールのジョークを広めることだった。^{[ 8 ] [ 9 ]}

2017年9月、セキュリティ研究者のAnkit Anubhavは、攻撃者がBetabotトロイの木馬を配信するためにadoḅe.comを登録したIDNホモグラフ攻撃を発見した。^{[ 10 ]}

最も簡単な対策は、ウェブブラウザがIDNAなどの類似メカニズムをサポートしないようにするか、ユーザーがブラウザのサポートを無効にすることです。これはIDNAサイトへのアクセスをブロックすることを意味しますが、一般的にブラウザはアクセスを許可し、IDNをPunycodeで表示するだけです。いずれにせよ、これは非ASCIIドメイン名を放棄することに相当します。

• Mozilla Firefoxバージョン 22 以降では、TLD がドメイン名に使用できる文字を制限することで同形異義語攻撃を防止している場合、またはラベルが異なる言語のスクリプトを混在させていない場合に IDN が表示されます。それ以外の場合は、IDN は Punycode で表示されます。^{[ 11 ] [ 12 ]}
• Google Chromeバージョン 51 以降では、 Firefox で使用されているものと同様のアルゴリズムが使用されています。以前のバージョンでは、IDN のすべての文字がユーザーの優先言語のいずれか (かつ 1 つだけ) に属する場合にのみ IDN が表示されます。ChromiumおよびMicrosoft Edge (2020 年以降) やOperaなどのChromium ベースのブラウザも同じアルゴリズムを使用しています。^{[ 13 ] [ 14 ]}
• Safari のアプローチは、問題のある文字セットをPunycodeとしてレンダリングすることです。これは、 Mac OS Xのシステムファイルの設定を変更することで変更できます。 ^{[ 15 ]}
• Internet Explorerバージョン 7 以降では、異なる言語のスクリプトが混在するラベルを除き、IDN が許可されます。スクリプトが混在するラベルは Punycode で表示されます。ASCII 文字がローカライズされたスクリプトと混在するロケールには例外があります。^{[ 16 ]} Internet Explorer 7 は IDN を使用することができましたが、許可された言語のユーザー定義リストに基づいて非 ASCII ドメイン名の表示に制限を課し、疑わしい Web サイトを既知のフィッシング サイトのリモート データベースと照合するアンチ フィッシング フィルタを提供します。
• Microsoft Edge Legacyは、すべてのUnicodeをPunycodeに変換します。

追加の防御策として、Internet Explorer 7、Firefox 2.0 以降、および Opera 9.10 には、悪意のある Web サイトにアクセスした際にユーザーに警告を発するフィッシング フィルターが含まれています。^{[ 17 ] [ 18 ] [ 19 ]} 2017 年 4 月の時点で、いくつかのブラウザ (Chrome、Firefox、Opera など) は、純粋にキリル文字で構成された IDN を通常どおり (punycode としてではなく) 表示し、なりすまし攻撃を可能にしていました。Chrome は、この攻撃を防ぐためにバージョン 59 で IDN の制限を強化しました。^{[ 20 ] [ 21 ]}

これらの防御策はブラウザ内部にしか適用されません。悪意のあるソフトウェアを仕込んだ同質性URLは、Punycodeとして表示されずに、電子メール、ソーシャルネットワーク、その他のウェブサイトを通じて拡散される可能性があり、ユーザーが実際にリンクをクリックするまで検出されません。偽のリンクはクリックされるとPunycodeで表示されますが、その時点ですでにページはブラウザに読み込まれ始めています。

IDNホモグラフデータベースは、機械学習ベースの文字認識を使用して開発者がこれに対抗できるようにするPythonライブラリです。^{[ 22 ]}

ICANNは、既存のラテン語TLDに似ていて同形異義語攻撃に悪用される可能性のある文字を国際化TLDが選択することを禁止するポリシーを導入しました。提案されたIDN TLDである.бг（ブルガリア）、. укр（ウクライナ）、. ελ（ギリシャ）は、ラテン語に似ているとみなされたため、却下または保留されました。これら3つ（およびセルビア語の.србとモンゴル語の​​.мон）は後に承認されました。^{[ 23 ]} 3文字TLDは、通常のラテン語ISO-3166国別ドメインとの一致が難しいため、2文字TLDよりも安全であると考えられています。新しい汎用ドメインとの一致の可能性は残っていますが、そのような汎用ドメインは、第2レベルまたは第3レベルのドメインアドレスを登録するよりもはるかに高価であるため、不正ドメインを作成するためだけに同形異義語TLDを登録しようとすることは費用的に非現実的です（それ自体がICANNの監視の対象となります）。

ロシアのレジストリ運営者であるTLD RU調整センターは、トップレベルドメイン.рфに対してキリル文字の名前のみを受け付け、ラテン文字やギリシャ文字との混在を禁止している。しかし、 .comやその他のgTLDの問題は未解決のままである。^{[ 24 ]}

鈴木らは2019年の研究で、IDNを認識するプログラムであるShamFinder ^{[ 25 ]を紹介し、現実世界のシナリオにおけるIDNの普及状況を明らかにした。同様に、千葉ら（2019年）は、ドメイン内の多様な同形IDNを検出することに長けたシステムであるDomainScouter [ 26 ]}を設計した。これは、570のトップレベルドメイン（TLD）にわたる推定440万の登録IDNを分析することで、英語以外の言語のブランドをターゲットにしたこれまで特定されていなかった多くのケースを含む8,284のIDN同形を正常に特定することができた。^{[ 27 ]}