サイト、オリジン、「同じサイト」
なぜ大切か ブラウザの中のプライバシーの規則はどれも、ひとつの問いから始まります:「これはどのサイトか?」クッキー、パーティション、SameSite、トラッカーの一覧、バウンスの検出は、どれも物事をサイトごとに整理します。エンジンがこの答えを間違えると、トラッカーが 2 つの入れ物の間をすり抜けたり、見知らぬ 2 人のブログがひとつを共有してしまったりします。このレッスンでは、その答えを自分で書きます。
集合住宅を思い浮かべてください。通りの住所(example)は全員が共有しているので、誰がどこに住んでいるかは何もわかりません。部屋番号と通り(shopa.example)がひとつの世帯です。部屋の中の各室(cdn.shopa.example、www.shopa.example)は、すべて同じ世帯に属します。ブラウザが知りたいのは世帯です。
必要な 3 つの言葉
ホスト:URL の名前の部分で、例えば https://cdn.shopa.example:8443/lib.js の中の cdn.shopa.example です。点で区切られた ラベル でできています:cdn、shopa、example。
オリジン:スキーム、ホスト、ポートを合わせたもので、例えば https://cdn.shopa.example:8443 です。最も厳しい境界で、https://www.shopa.example と https://shopa.example は違うオリジンです。
サイト:ホストのうち、ひとりの持ち主が登録した部分で、登録可能ドメイン とも呼ばれます。上のすべてのホストにとっては shopa.example です。パーティションや SameSite のようなプライバシーの機能はサイト単位で働きます。どのみち、ひとりの持ち主がその下のすべてのホストを管理しているからです。
公開サフィックスの一覧
「最後の 2 つのラベルを取る」は shopa.example では使えますが、practice-shop.co.uk では失敗します。最後の 2 つのラベルは co.uk で、無関係な何千もの会社が共有しているからです。そこでブラウザは 公開サフィックスの一覧 を持っています。誰でもその下に名前を登録できる末尾の、長いファイルです。
公開サフィックス:com、co.uk、github.io のように、全体としては誰も持っていない末尾です。サイトは公開サフィックスに、その左の ラベルをもうひとつ 加えたものです。
一覧には、ホスティングのサービスが加えた「プライベートな」サフィックスもあります。github.io が載っているので、ひとつの会社がサーバーを動かしていても、alice.github.io と bob.github.io は 2 つの違うサイト です。その記載がなければ、Alice のブログが設定したクッキーを Bob のブログが受け取れてしまいます。練習の世界では、pages.example が同じ役割を果たします。
ブラウザが当てはめる規則:
- ホストを小文字にし、ポートを外し、末尾の点を外します(
shopa.example.はshopa.exampleの正しい書き方のひとつです)。 - 一覧に載っているホストの末尾のうち、最も長い ものを見つけます。
a.b.practice-charity.org.ukではukとorg.ukの両方が載っていて、org.ukが勝ちます。 - サイトは、その末尾に左のラベルをひとつ加えたものです。
- ホストが公開サフィックス そのもの なら(ただの
github.ioのように)、サイトはホスト自身です。 - 載っている末尾がまったく一致しなければ、最後のラベルをサフィックスとして扱います。なので
dev.app.zzのサイトはapp.zzです。
実際の一覧にはワイルドカードや例外の規則も少しあり、IP アドレスはそれ自体がひとつのサイトです。エンジンはそれも扱いますが、ここでは省いて構いません。
スキームを含む same-site
古いブラウザは登録可能ドメインだけを比べたので、http://shopa.example と https://shopa.example は「同じサイト」でした。今日のウェブの標準は same-site を スキームを含む ものとして定めています。スキームはサイトの一部なので、平文の http のページは別の、信用できないサイトとみなされます。これが大事なのは、カフェの Wi-Fi にいる誰でも http のページを改ざんでき、そのページが https のサイトの SameSite のクッキーを借りられてはいけないからです。
| A | B | 同じオリジン? | 同じサイト? |
|---|---|---|---|
https://www.shopa.example | https://shopa.example | いいえ | はい |
https://alice.github.io | https://bob.github.io | いいえ | いいえ |
http://shopa.example | https://shopa.example | いいえ | いいえ(スキームを含む) |
https://shopa.example:8443 | https://shopa.example | いいえ | はい(ポートは数えない) |
必要な Python
変数、if、リスト、関数のほかに、4 つの小さな道具が必要です。それぞれ、表示するものと一緒にここに示します。
from urllib.parse import urlsplit # part of Python's standard library
parts = urlsplit("https://CDN.ShopA.example:8443/lib.js")
print(parts.scheme) # https
print(parts.hostname) # cdn.shopa.example (already lower case, port removed)
labels = "cdn.shopa.example".split(".") # cut a string at every dot
print(labels) # ['cdn', 'shopa', 'example']
print(labels[1:]) # ['shopa', 'example'] (a slice: from position 1 to the end)
print(".".join(labels[1:])) # shopa.example (glue a list back together with dots)
print("shopa.example.".rstrip(".")) # shopa.example (remove dots from the right end)
print("co.uk" in {"co.uk", "uk"}) # True (a set answers "is this in it?" quickly)
for i in range(3): # i takes the values 0, 1, 2
print(i)
うまい方法:最も長い 末尾(labels[0:])から最も短いものへと試せば、一覧で最初に見つかったものが自動的に最も長い一致になります。
試してみよう コードを書く前に、3 つを手でやってみてください:www.alice.pages.example、news.practice-paper.co.uk、zz。alice.pages.example、practice-paper.co.uk、zz になるはずです。
ほかの言語では
実際のプロジェクトでは、自前のものではなく、保守されている公開サフィックスの一覧の写しを使います:
// JavaScript (the tldts package)
import { getDomain } from "tldts";
getDomain("https://cdn.shopa.co.uk/lib.js"); // "shopa.co.uk"
getDomain("alice.github.io", { allowPrivateDomains: true }); // "alice.github.io" (private suffixes are off by default)
new URL("https://CDN.ShopA.example:8443/").hostname; // "cdn.shopa.example"
// Go (golang.org/x/net/publicsuffix)
site, err := publicsuffix.EffectiveTLDPlusOne("alice.github.io") // "alice.github.io", nil
// Rust (the psl crate)
let site = psl::domain_str("www.shopa.co.uk"); // Some("shopa.co.uk")
// C# (built in: host only; use a public-suffix package such as Nager.PublicSuffix for the site)
var host = new Uri("https://CDN.ShopA.example:8443/").Host; // "cdn.shopa.example"よくある誤解
「同じサイトは同じオリジンのことで、言い方がゆるいだけだ」。これらは違う境界です。オリジンは JavaScript がページを分けておくのに使うもの(誰が誰のデータを読めるか)です。サイトはプライバシーの機能が何をひとつの当事者とみなすかを決めるのに使うもの(誰のクッキーが運ばれ、埋め込みがどの入れ物を得るか)です。www.shopa.example と shopa.example は違うオリジンですが、ひとつのサイトです。
まとめ
- サイトは公開サフィックスにラベルをひとつ加えたものです。公開サフィックスの一覧が、サフィックスがどこで終わるかを示します。
- 載っているうち最も長いサフィックスが勝ち、
github.ioのようなプライベートなサフィックスは、各ユーザーのサブサイトをそれぞれ独立したサイトにします。 - スキームを含む same-site はスキームを数えるので、ドメインの
http版とhttps版は違うサイトです。 - オリジンはページを分け、サイトはどの当事者がどれかを決めます。
4 つの関数を書き、それを 30 個の練習用の URL に使ってください。
host_from_url(url):urlのホストを、小文字で、ポートも末尾の点もなしで。site_for(url, suffixes):urlのサイトを、集合suffixesを公開サフィックスの一覧として、レッスンの 5 つの規則で(載っているうち最も長いサフィックスにラベルをひとつ。それ自体がサフィックスのホストはそれ自身がサイト。何も一致しなければ最後のラベルがサフィックス)。schemeful_site(url, suffixes):スキーム、次に://、次にサイト。例えば"https://shopa.example"。is_same_site(a, b, suffixes):2 つの URL のスキームを含むサイトが同じならTrue。
PRACTICE_SUFFIXES を使って、PRACTICE_URLS のすべての URL のサイトを順に並べたリストを SITES に入れてください。論理は自分で書いてください:watched の site_of や same_site は使わないこと。
この演習はまもなく開きます
その前のレッスンを終えると、このレッスンが解放されます。コース全体が無料でアカウントも不要、このレッスンは今すぐ読めます。
このブラウザは learn.floati.life の Cookie をブロックしているため、ここで修了したレッスンを順番どおりに開けません。このサイトの Cookie を許可して再読み込みしてください。