Resumen

  • Eve Schooler ayudó a extraer de los sistemas de conferencia una función acotada: encontrar al destinatario, presentar una descripción de sesión y obtener una respuesta sin transportar el audio o el vídeo resultante.
  • La separación hizo posible una arquitectura modular, aunque repartió el control entre identidad, alcance, admisión, negociación, seguridad y ruta de medios.

En febrero de 1996, Mark Handley y Eve Schooler firmaron un borrador cuyo nombre era casi una declaración de límites: Session Invitation Protocol. No prometía ser una central telefónica de Internet. Proponía que una persona pudiera invitar a otra a una sesión, incluso si el destinatario se había movido a otro equipo; que servidores intermedios encaminaran o redirigieran la solicitud; y que el mensaje incluyera una descripción de lo que se quería intercambiar.

Después debía ocurrir otra cosa. El sonido y la imagen no tenían por qué atravesar esos servidores. Tampoco la llegada de una invitación garantizaba ancho de banda, decidía el turno de palabra de una conferencia o establecía por sí sola la confidencialidad del contenido. El mensaje iniciaba una relación; no absorbía todas las funciones de esa relación.

La experiencia que permitió recortar el problema

Schooler había trabajado en MMCC en el Information Sciences Institute de USC. Su currículo público describe un sistema de control de sesiones para redes de paquetes de gran alcance, capaz de coordinar configuraciones heterogéneas, establecimiento multilateral, información sobre calidad de servicio y resincronización. El primer borrador de SIP reconoce expresamente esa influencia.

La experiencia no llevó a colocar MMCC entero dentro de un nuevo estándar. Llevó a identificar una pieza que podía vivir por separado. El borrador distingue entre descubrir una sesión anunciada y recibir una invitación dirigida. Declara que el descubrimiento es ortogonal al modelo de control de conferencia. Una vez localizada la dirección del invitado, se envía una descripción en formato SDP y el receptor puede aceptar, rechazar o redirigir la petición. La capacidad de la red para ofrecer la calidad solicitada queda fuera de esa promesa.

La RFC 2543 convirtió en 1999 esa línea de trabajo en una especificación firmada por Handley, Henning Schulzrinne, Schooler y Jonathan Rosenberg. Allí SIP es señalización de capa de aplicación para crear, modificar y terminar sesiones multimedia. La posterior RFC 3261, que reemplazó a la 2543, separa cinco funciones: ubicación, disponibilidad y capacidades del usuario, establecimiento de sesión y gestión de la sesión. Además advierte que SIP es un componente que coopera con otros protocolos, no un sistema vertical completo.

Esta genealogía impide el relato del héroe único. Handley y Schooler escribieron el primer borrador; la especificación publicada reunió trabajo de Schulzrinne, Rosenberg y una comunidad del IETF; Schooler había llevado consigo las preguntas de MMCC. Su aportación se entiende mejor como la capacidad de delimitar el acto de invitar que como una reivindicación de autoría solitaria. Tampoco debe atribuirse a Schooler la autoría de la RFC 3261, cuyos autores son otros.

Señal, descripción y flujo

Una secuencia básica hace visible la frontera. El terminal de origen envía INVITE. Un registrador conserva asociaciones entre la dirección pública del usuario y sus contactos actuales; servicios de localización y proxys ayudan a alcanzar uno de ellos. El destinatario devuelve una respuesta final y ACK cierra el saludo inicial. En el caso sencillo, los proxys ya no necesitan permanecer en el recorrido activo. Los paquetes RTP que llevan la conversación suelen viajar por una ruta distinta.

Que la invitación incluya SDP no la convierte en medio. SDP expresa tipos de contenido, direcciones de transporte y parámetros. El modelo de oferta y respuesta permite que ambos extremos construyan una descripción compatible. Pero la descripción de una corriente de audio no contiene el audio, igual que una dirección postal no contiene a su destinatario. RTP resuelve las funciones de transporte en tiempo real.

Por eso una llamada reúne al menos tres planos: la señalización que busca y alcanza a una identidad; la negociación de lo que los dispositivos pueden intercambiar; y el flujo que transporta la experiencia. Un nuevo INVITE puede modificar la descripción durante un diálogo ya establecido. El vencimiento de la invitación no determina la duración de la sesión. Los planos se coordinan sin convertirse en uno solo.

La modularidad permitió que cada parte cambiara por razones propias. Los códecs podían evolucionar sin sustituir la localización de usuarios. Una aplicación de conferencia podía añadir votaciones o control de turno. La reserva de recursos pertenecía a otro mecanismo. El protocolo de invitación entregaba el control a los extremos y a los demás componentes una vez cumplida su tarea.

El poder de quien no oye

No transportar la voz no equivale a carecer de poder. Quien administra el registro decide qué contacto representa a una identidad. Un proxy puede admitir, bloquear o redirigir la solicitud. Un dominio puede exigir autenticación y conservar metadatos de los intentos. Es posible controlar quién habla con quién sin estar en el camino del audio.

La protección también se divide. SIPS puede asegurar la señalización a través de una cadena de saltos protegidos hacia el dominio del destinatario. No cifra automáticamente RTP. Confundir ambas cosas convierte la seguridad del sobre en una afirmación falsa sobre el contenido.

Los despliegues actuales añaden capas que vuelven a juntar los recorridos. Los controladores de frontera, B2BUA, relés multimedia, sistemas de grabación y servicios de cruce de NAT pueden interponerse en la señalización, en el medio o en ambos. La RFC 7092 clasifica los B2BUA porque no son simples proxys: terminan un diálogo y originan otro, con capacidad para imponer reglas y transformar parámetros. La separación de SIP sirve para preguntar qué está ocurriendo, no para suponer que todo medio viaja directamente entre terminales.

Esa pregunta conserva la actualidad del trabajo de Schooler. Una identidad puede resolverse y, aun así, no haber acuerdo de códec. La señalización puede completar con éxito y el medio quedar bloqueado. El mensaje puede estar autenticado mientras la conversación sigue sin cifrar. Al no llevar la conversación, la invitación dejó expuestos los distintos lugares donde una red puede ayudar, fallar o ejercer autoridad.

Fuentes