Zusammenfassung

  • Eve Schoolers Arbeit an MMCC und dem ersten SIP-Entwurf half, eine begrenzte Aufgabe herauszulösen: einen Adressaten finden, eine Sitzung beschreiben und seine Antwort erhalten, ohne Ton oder Bild zu transportieren.
  • Diese Grenze machte Internetkommunikation modular, verteilte aber die Kontrolle über Identität, Erreichbarkeit, Zulassung, Aushandlung, Mediensicherheit und Dienstgüte auf verschiedene Stellen.

Der Internet-Draft vom Februar 1996, verfasst von Mark Handley und Eve Schooler, trug einen auffallend schmalen Namen: Session Invitation Protocol. Er wollte keine vollständige Telefonanlage für das Internet bauen. Eine Einladung sollte einen Nutzer auch nach einem Ortswechsel erreichen, über Server weitergeleitet oder umgelenkt werden und eine Beschreibung der vorgeschlagenen Sitzung mitbringen.

Das spätere Gespräch musste diese Server nicht durchlaufen. Die Einladung reservierte keine Bandbreite, regelte nicht das Rederecht in einer Konferenz und transportierte keine Audio- oder Videodaten. Sie stellte eine koordinierte Beziehung her, ohne sämtliche Funktionen dieser Beziehung zu übernehmen.

Aus der Konferenzsteuerung herausgeschnitten

Schooler hatte am Information Sciences Institute der USC an MMCC gearbeitet. Ihr öffentliches Curriculum Vitae beschreibt ein System zur Sitzungssteuerung über Weitverkehrs-Paketnetze, das mehrseitigen Aufbau, heterogene Konfigurationen, die Weitergabe von Dienstgüte-Informationen und Resynchronisierung behandelte. Der erste SIP-Entwurf verweist ausdrücklich auf diese MMCC-Arbeit.

Die Erfahrung führte nicht dazu, MMCC vollständig in einen Standard zu gießen. Stattdessen wurde ein eigenständiges Problem isoliert. Der Entwurf unterscheidet zwischen einer angekündigten Sitzung, die Interessierte entdecken und betreten, und einer gezielten Einladung. Sitzungssuche und Konferenzsteuerungsmodell seien orthogonal. Ist die Adresse des Eingeladenen gefunden, wird eine SDP-Beschreibung geschickt; die Gegenseite kann annehmen, ablehnen oder umleiten. Ob das Netz die beschriebene Qualität tatsächlich liefern kann, bleibt eine andere Frage.

1999 erschien RFC 2543 von Handley, Henning Schulzrinne, Schooler und Jonathan Rosenberg. SIP wurde darin als Signalisierung auf Anwendungsebene zum Erzeugen, Ändern und Beenden multimedialer Sitzungen definiert. Der Nachfolger RFC 3261 ordnete die Aufgaben in Nutzerortung, Verfügbarkeit, Fähigkeiten, Sitzungsaufbau und Sitzungsverwaltung. Er bezeichnet SIP als Baustein im Zusammenspiel mit anderen Protokollen, nicht als vertikal integriertes Gesamtsystem.

Diese Entstehung ist Gemeinschaftsarbeit. Handley und Schooler schrieben den ersten Entwurf; die veröffentlichte Spezifikation verband diese Linie mit Beiträgen von Schulzrinne, Rosenberg und der weiteren IETF-Gemeinschaft. Schoolers Bedeutung liegt darin, Erfahrungen aus der verteilten Konferenz in eine abtrennbare Einladungsfunktion zu überführen. Sie zur alleinigen Erfinderin zu erklären wäre ebenso falsch, wie ihr die Autorenschaft des späteren RFC 3261 zuzuschreiben.

Eine Sitzung, drei Wege

Ein elementarer Ablauf macht die Trennung sichtbar. Ein User Agent sendet INVITE. Ein Registrar nimmt Bindungen zwischen einer öffentlichen Adresse und aktuellen Kontaktpunkten entgegen; Location Service und Proxys helfen, die Anfrage dorthin zu leiten. Der Empfänger sendet eine erfolgreiche Endantwort, ACK schließt den ersten Austausch ab. In einem einfachen Fall können die Proxys danach den aktiven Signalisierungsweg verlassen. Die RTP-Pakete mit Ton oder Video nehmen häufig einen anderen Weg als die SIP-Nachrichten.

Auch SDP im Einladungstext hebt diese Grenze nicht auf. SDP beschreibt Medientypen, Transportadressen und Parameter. Im Offer/Answer-Modell bilden beide Enden eine kompatible Sitzungsbeschreibung. Eine Beschreibung von Audio ist jedoch kein Audio. Für Echtzeittransport ist RTP oder ein entsprechender Mechanismus zuständig.

Hinter dem Wort „Anruf“ verbergen sich somit mindestens drei Beziehungen: Signalisierung erreicht eine Identität oder Domäne, Aushandlung gleicht Endgerätefähigkeiten ab, und ein Medienstrom liefert die eigentliche Erfahrung. Ein erneutes INVITE kann die Beschreibung in einem bestehenden Dialog ändern. Das Ablaufdatum einer Einladung bestimmt nicht die Gesprächsdauer. Die Zustände sind gekoppelt, aber weder Weg noch Lebenszeit sind identisch.

Diese Modularität ließ die Teile unabhängig altern. Ein neuer Codec erforderte kein neues weltweites System zur Nutzerortung. Eine Konferenzanwendung konnte Rederecht oder Abstimmungen gesondert hinzufügen. Ressourcenreservierung blieb anderen Verfahren überlassen. SIP organisierte eine Übergabe, statt jede Wirkung der Sitzung zu besitzen.

Macht ohne Medienpfad

Wer keine Stimme transportiert, kann dennoch Erreichbarkeit kontrollieren. Der Registrar beeinflusst, welche Endgeräte für eine Adresse stehen. Ein Proxy kann Einladungen zulassen, blockieren oder umlenken. Eine Domäne kann Authentifizierung fordern und Versuche protokollieren. Dafür muss sie kein einziges RTP-Paket sehen.

Die Sicherheitsgrenze ist ebenso wichtig. SIPS kann die SIP-Signalisierung über eine Kette gesicherter Verbindungen bis zur Ziel-Domäne schützen. Daraus folgt keine automatische Verschlüsselung des RTP-Stroms. Ein geschützter Umschlag ist kein Beleg für ein vertrauliches Gespräch.

Reale Netze setzen die getrennten Wege oft wieder zusammen. Session Border Controller, Back-to-Back User Agents, Medien-Relays, Aufzeichnungssysteme und NAT-Traversal-Dienste können in Signalisierung, Medien oder beiden verbleiben. RFC 7092 klassifiziert B2BUAs, weil sie nicht transparent weiterleiten: Sie beenden einen Dialog und erzeugen einen neuen, wodurch sie Richtlinien anwenden und Parameter verändern können.

Die SIP-Grenze ist deshalb ein Diagnoseinstrument, keine Garantie für einen direkten Medienweg. Ein Nutzer kann gefunden werden, obwohl kein gemeinsamer Codec zustande kommt. Signalisierung kann gelingen, während eine Firewall die Medien sperrt. Eine Identität kann authentifiziert sein, obwohl das Gespräch unverschlüsselt bleibt. Die Einladung, die das Gespräch nicht trug, machte diese verschiedenen Fehler- und Machtorte erst unterscheidbar.

Quellen