reader - software & security

Transcriptie

1 2015 reader - software & security F. Vonk versie

2 inhoudsopgave 1. inleiding software besturingssystemen taakbeheer multitasking en parallelle verwerking geheugenbeheer bestandsbeheer energiebeheer beveiligingssoftware patches firewall CAPTCHA coderingssystemen coderingssystemen voor symbolen coderingssystemen voor kleuren datacompressie containerformaten versus codecs containers voor multimedia containers voor afbeeldingen containers voor algemene data Dit werk is gelicenseerd onder een Creative Commons Naamsvermelding NietCommercieel GelijkDelen 3.0 Unported licentie Deze module is deels overgenomen uit Hoofdstuk 5 van de informatica methode van Remie Woudt. De afbeelding op het voorblad is verkregen via INFOwrs. Copyright 2010 INFOwrs Serviços em informatica

3 1. inleiding Iedereen gebruikt dagelijks software. Hoe meer je er van weet, hoe beter je om kunt gaan met fouten die optreden in de software. Welkom bij de reader software. In deze reader behandelen we een aantal complexere zaken over software en veiligheid. Let op, links in dit document hebben een rode kleur. 2. software Omdat de meeste mensen met standaard software te maken krijgen zullen we daar op focussen in deze reader. Belangrijke standaard software categorieën zijn: besturingssystemen: Software die het bedienen van een computersysteem gemakkelijk maakt voor de gebruiker. Regelt de aansturing van de hardware en overige software en hoe ze samenwerken. applicaties (applicatie software): Hoog niveau software gericht op de gebruiker van een computersysteem. Biedt functionaliteit aan die aansluit bij de belevingswereld van de gebruiker. systeemsoftware: Software gericht op het monitoren, controleren en configureren van een computersysteem. Wordt zowel door externe partijen (third-party software) geleverd als meegeleverd met het besturingssysteem. Biedt functionaliteit aan die gericht is op de beheerder van de computersysteem. drivers: Laag niveau software die de hardware van een computersysteem direct aanstuurt. Wordt zowel door externe partijen (bijvoorbeeld drivers voor de nieuwste grafische kaarten) geleverd als meegeleverd met het besturingssysteem. Biedt functionaliteit die hardware details verbergt voor de hoger niveau software. Biedt functionaliteit aan via API (Application Programming Interface), dit begrip wordt later uitgelegd. software ontwikkeltools: Software speciaal gemaakt om software mee te ontwikkelen. Meestal worden meerdere tools gebundeld in één programmeeromgeving die typisch SDK (Software Development Kit) of IDE (Integrated Development Environment) genoemd wordt. Onderdelen van zo'n programmeeromgeving zijn speciale editors met syntax highlighting en auto completion, compilers, interpreters, bibliotheken met hulpfuncties (libraries), debuggers enzovoorts

4 3. besturingssystemen Als we dieper duiken in de besturingssystemen, dan komen we uit bij de kern van het systeem, deze noemen we de kernel. Zo'n kernel heeft typisch geen GUI. De belangrijkste taken van de kernel zijn: Het beheren van applicatietoegang tot systeembronnen zoals RAM (geheugenbeheer), processor (taak- en procesbeheer), externe opslag (bestandsbeheer) en netwerk (netwerkbeheer). Zorgen voor multitasking. Op moderne computers kunnen we een nieuwe applicatie opstarten zonder dat we de huidige hoeven af te sluiten. Dit noemen we multitasking en met oude besturingssystemen zoals MS-DOS was dit niet makkelijk mogelijk. Zorgen voor parallelle verwerking (parallel processing). Moderne computersystemen beschikken over meerdere fysieke kernen op één CPU en onder andere het besturingssysteem moet processen en applicaties zo goed mogelijk verdelen over deze kernen. Hardware toegankelijk maken voor applicaties (via drivers). Denk hierbij aan signalen ontvangen van de muis of het toetsenbord of uitvoer sturen naar het beeldscherm of printer. Energie toevoer regelen naar componenten van de PC (energiebeheer). Hiermee kan in mobiele apparaten, zoals laptops, geregeld worden, dat het apparaat langer op een batterij actief kan zijn. taakbeheer Wat gebeurt er zoal als we bijvoorbeeld de tekstverwerker Microsoft Word opstarten. MS Word zelf noemen we een applicatie. Als we deze opstarten dan wordt er een stuk software uitgevoerd, dat we als gebruiker niet direct zien. Dit stuk software noemen we een proces. In het geval van MS Word heet dit proces WINWORD.EXE. Je kunt het terugvinden als je bij de processen in Windows Taakbeheer kijkt. Probeer dit thuis maar eens uit. Een proces bevat op zijn beurt weer één of meerdere threads (draden waarin software wordt uitgevoerd) en een thread bestaat uit één of meer tasks (taken), waarin delen van de software worden uitgevoerd. Een proces werkt in een stuk RAM, dat speciaal voor dat proces gereserveerd is. Ieder proces heeft dus zijn eigen stuk RAM. Threads vormen een lastig concept, dat we hier niet in detail gaan behandelen. Wel gaan we kijken naar tasks. Een task bestaat dus binnen een thread en heeft géén eigen stuk RAM. Het deelt het RAM van de thread met de andere tasks, die bij dezelfde thread horen. Dit zorgt ervoor dat tasks makkelijk en snel met elkaar kunnen communiceren

5 GUI update muis invoer detectie MS Word toetsenbord invoer detectie... Figuur 1: Een proces met een aantal van zijn taken. Zoals je in Figuur 1 kunt zien, zijn het detecteren van toetsenbord- of muisinvoer aparte delen en worden daarom uitgevoerd door aparte tasks. Ook het updaten van de GUI is een task. Het besturingssysteem heeft mogelijkheden om tasks te laten wachten tot er iets gebeurt. Dit doet het OS met behulp van onder andere wachtrijen (queues) of een seinpalen (semaforen of mutexes). Andere voorbeelden van stukken functionaliteit, die in aparte tasks van Word worden uitgevoerd, zijn spellingscontrole, het afdrukken van een document, het detecteren van stijlen enzovoorts. Het lijkt voor de gebruiker alsof de computer heel veel tasks gelijktijdig uitvoert, maar dat is doorgaans niet zo. Een applicatie wordt vaak maar op één processorkern uitgevoerd en dan geldt hetzelfde voor de tasks van die applicatie. Dit is feitelijk geen probleem, omdat niet alle tasks continu hoeven te werken. De "muis invoer detectie" task staat bijvoorbeeld niks te doen als de gebruiker de muis niet gebruikt. Iedere task kan aangeven, dat hij uitgevoerd wil worden en het besturingssysteem regelt dat iedere task zo snel mogelijk tijd krijgt op de processorkern. We noemen dit scheduling (roosteren). Je kunt een processorkern vergelijken met ons computerlokaal en de tasks met de clusters leerlingen, die het vak informatica volgen. Niet alle clusters kunnen tegelijkertijd informatica volgen, want dat past niet in het lokaal. Daarom maken onze roostermakers een rooster, dat onder andere aangeeft wanneer welk cluster informatica heeft. Een OS doet hetzelfde voor het uitvoeren van tasks op een processorkern. multitasking en parallelle verwerking Wanneer we meerdere tasks op één processorkern moeten roosteren, spreken we van concurrent execution. Tasks zijn steeds in concurrentie met elkaar om gebruik te mogen maken van de processorkern en communiceren voortdurend met het besturingssysteem over wat ze willen

6 Als we een computersysteem hebben met meerdere processorkernen in de CPU of zelfs meerdere processoren, dan kunnen we wel tegelijkertijd meerdere tasks uitvoeren. In dat geval spreken we van parallel processing (parallelle verwerking). Moderne besturingssystemen kunnen zelf bepalen welke applicatie ze op welke processorkern willen uitvoeren. Wanneer tasks van één applicatie op verschillende processorkernen moeten draaien, dan is dat meestal de taak van de programmeur. Het tegelijkertijd kunnen omgaan met tasks, threads, processen en applicaties maakt een besturingssysteem tot een multitasking systeem. Hierdoor kan een OS meerdere applicaties tegelijkertijd aan de gebruiker aanbieden en de gebruiker makkelijk tussen applicaties laten wisselen zonder ze af te hoeven sluiten. Tegenwoordig is dit allemaal vanzelfsprekend, maar in de begindagen van de besturingssystemen was dit nog nauwelijks mogelijk. MS-DOS, de voorloper van MS Windows, was bijvoorbeeld geen multitasking besturingssysteem. geheugenbeheer Net als het regelen van de toegang tot de CPU, regelt het besturingssysteem ook de toegang tot het RAM (geheugenbeheer). Daarbij geldt dat niet oneindig veel tasks tegelijkertijd toegang tot het werkgeheugen kunnen hebben. Het OS bepaalt dus welke tasks wanneer bij het werkgeheugen mogen. Het kan voorkomen dat het aanwezige RAM te klein voor hetgeen de gebruiker wil. Denk bijvoorbeeld aan het bufferen van stukken video, als je aan het video bewerken bent. Met een paar minuten niet gecomprimeerde HD video heb je al gauw enkele gigabytes aan werkgeheugen nodig. In dat geval zorgt het besturingssysteem dat er gewerkt kan worden met virtueel geheugen. Virtueel geheugen is een stuk van een opslagmedium (meestal de harde schijf) dat gebruikt wordt voor de opslag van, op dat moment ongebruikte, stukken RAM. Het besturingssysteem zorgt er op elk moment voor dat dingen die nodig zijn in het RAM zelf staan en delen die niet nodig zijn in het virtueel geheugen. Het gevolg is dat in sommige gevallen er veel en vaak data tussen het RAM en het virtueel geheugen gewisseld moeten worden. In dat geval ga je merken dat je computer trager wordt. bestandsbeheer Voor het aanmaken, bewerken en verwijderen van bestanden op je opslagmedia wordt ook gebruik gemaakt van de mogelijkheden van het besturingssysteem. Dit noemen we bestandsbeheer. Onder bestandsbeheer valt onder andere het aanbieden van een logische bestandsopslagstructuur zoals de indeling in mappen. Het OS zorgt dan voor de vertaling tussen de gebruikersstructuur en de fysieke opslagstructuur op het opslagmedium. Op een harde schijf wordt opslag geregeld via heads, cylinders, tracks en sectors, zoals je geleerd hebt in de hardware module. De gebruiker ziet hier helemaal niets van en is er meestal ook niet van op de hoogte

7 Een ander belangrijk onderdeel van het bestandsbeheer is de beveiliging. Zo kun je rechten toekennen aan bestanden en mappen, zodat niet iedere willekeurige gebruiker zomaar alle bestanden kan benaderen. energiebeheer Met de komst van mobiele apparaten zoals de laptop, tablet en mobiele telefoon, is ook energiebeheer belangrijk geworden. Moderne besturingssystemen bieden de gebruiker dan ook vaak de mogelijkheid om energiebeheer te doen. Zo schakelt het OS stukken hardware uit of stuurt er minder stroom naartoe als ze enige tijd niet of minder gebruikt worden. Hierdoor verbruikt de computer minder stroom en kan de gebruiker langer werken op de batterij van het apparaat. Voorbeelden zijn het dimmen of uitzetten van het beeldscherm, het langzamer laten draaien of uitzetten van de harde schijf, het langzamer laten werken van de processorkernen of zelfs het uitschakelen van een deel van de processorkernen. 4. beveiligingssoftware Gelukkig zijn er maatregelen die je kunt nemen om te voorkomen dat hackers jouw systeem binnendringen. Zoals bijvoorbeeld een firewall. Die beschermt jou tegen hackers. Verder komen virusscanners en patches aan de orde en hoe we het wardrivers moeilijk kunnen maken om je draadloze netwerk binnen te komen. patches 1 Alle software die je op je PC gebruikt moet in principe up-to-date gehouden worden. De belangrijkste applicatie die altijd zo snel mogelijk bijgewerkt moet worden is misschien wel de virusscanner. Vooral bij je besturingssysteem en software waarmee je contact met de buitenwereld hebt is het belangrijk om bij de tijd te zijn. De makers van zulke programma s brengen vaak patches uit. Een patch is een kleine update (wijziging) van een programma om het te repareren of te verbeteren. Hierdoor worden (ernstige) beveiligingslekken in een programma gedicht. Het is aan te raden om patches altijd zo snel mogelijk te installeren

8 firewall 2 Iedere computer in een netwerk heeft zijn eigen unieke IP adres zoals je hopelijk nog weet. Om data naar een computer te kunnen sturen heb je het IP-adres nodig. Om er voor te zorgen dat de data bij het juiste programma terecht komt heeft elk IP-adres (2 16 ) virtuele poorten. Als je bijvoorbeeld met een browser aan de slag gaat zullen de pagina s die je opvraagt via poort 80 (de default HTTP poort) binnen komen. Het lezen van je mail kan via poort 110 (de default POP3 poort) gaan. Een hacker maakt gebruik van deze poorten om een computer binnen te komen. Met behulp van een poortscanner bekijkt de hacker alle poorten van een computer en controleert op deze manier of er één of meer open staan. Om een computer te beveiligen tegen hackers moeten we er voor zorgen dat er geen ongewenste bezoekers binnen komen, maar ook dat er niet zo maar informatie naar buiten gaat. Kortom we hebben een poortwachter nodig die al het verkeer, naar binnen en naar buiten, controleert en zo nodig blokkeert: een firewall. Met behulp van de firewall kun je poorten openen en afsluiten. In Figuur 2 staat een gedeelte (poort scan) van een webserver log bestand. De webserver heeft intern IP adres ( ) en er wordt gescand op poort 80. Tussen de webserver en het internet zit een firewall met de opdracht alle verzoeken richting poort 80 door te laten naar de webserver. Figuur 2: gedeelte (poort scan) van webserver log bestand 2 thewindowsclub.thewindowsclubco.netdna-cdn.com/wp-content/uploads/2013/08/top-5-freefirewall-for-windows.jpg - 7 -

9 Er zijn twee soorten firewalls: hardware- en softwarematige firewalls. De hardwarematige variant is een apart apparaat dat als firewall fungeert, bijvoorbeeld een router. Een softwarematige firewall is programmatuur die op de computer zelf runt, bijvoorbeeld Windows Firewall. CAPTCHA Figuur 3: poort scan naar UDP poorten Zoals eerder uitgelegd zijn spam berichten boodschappen die mensen ongevraagd ontvangen. Phishing is een vorm van internetfraude waarbij criminelen mensen proberen op te lichten of informatie afhandig proberen te maken via digitale berichten. Als je een spam of phishing bericht wilt sturen, wil je dat natuurlijk niet van je gewone e- mailadres doen. Je wilt liever anoniem zijn. Daarom schakelen professionele spammers programma s (de eerder besproken spam bots) in om heel veel accounts aan te maken bij een gratis web maildienst zoals Hotmail of Gmail. Een bot kan ook gebruikt worden om op gastenboeken of weblogs reclame achter te laten. Bots zijn voor spammers dus heel krachtige programma s die veel werk in korte tijd kunnen doen. Om te voorkomen dat een bot automatisch een formulier kan invullen, kan op dat formulier gebruik gemaakt worden van een CAPTCHA. Figuur 4: een CAPTCHA CAPTCHA is een afkorting voor "Completely Automated Public Turing test to tell Computers and Humans Apart". Met een CAPTCHA kan bepaald worden of er sprake is van een menselijke gebruiker. Een bekend voorbeeld van een CAPTCHA zie je in Figuur 4. Het is de bedoeling dat je de tekst overtypt. Pas als je de tekst goed overtypt kun je het formulier inleveren. Een bot heeft heel veel moeite om de teksten te lezen. Hoewel de CAPTCHA nog veel wordt gebruikt, werken ze niet meer zo goed als vroeger. De bots worden steeds slimmer en met behulp van patroonherkenning is het mogelijk voor de bots om een CAPTCHA steeds sneller te lezen

10 Wil je ook een CAPTCHA op jouw website? Kijk dan eens bij recaptcha. Hiermee krijg je gratis een CAPTCHA op jouw site. 5. coderingssystemen Heb je je wel eens afgevraagd hoe het komt dat, als je een toets op je toetsenbord indrukt, de juiste letter in je tekstverwerker verschijnt? Immers je computer kent alleen 0 en 1 en geen alfabet. Daarom moeten we iedere letter en ieder teken op het toetsenbord een unieke code geven die door de software herkend en gebruikt kan worden. Het uitdelen van unieke codes kan op heel veel verschillende manieren. We noemen deze manieren coderingssystemen. coderingssystemen voor symbolen Eén van de eerste coderingssystemen die voor de symbolen op het toetsen bord gebruikt werd is ASCII (American Standard Code for Information Interchange). ASCII kent een waarde (getal) toe aan ieder symbool uit een verzameling van 256 symbolen. Veel van die symbolen vind je terug op je toetsenbord. Om de ASCII codering overzichtelijk te laten zien wordt een zogenaamde ASCII tabel gebruikt. Je ziet een deel van de ASCII tabel in Figuur 5 afgebeeld. Figuur 5: deel van de ASCII tabel

11 In Figuur 5 zie je vier kolommen met in iedere kolom weer drie sub-kolommen. De eerste sub-kolom is de decimale waarde voor het symbool, de tweede sub-kolom is de hexadecimale waarde voor het symbool en de derde sub-kolom is het symbool zelf. Hopelijk begrijp je nog dat als je de (hexa)decimale waarde van een symbool kent je deze ook naar binair (0 en 1) kunt vertalen zodat de computer het snapt. Als je dus op de "a" toets op je toetsenbord drukt, dan wordt er een code gegenereerd door de elektronica in je toetsenbord. In het geval van "a" wordt het binaire getal gegenereerd (dat is namelijk hetzelfde als 0x61 en dat is de hexadecimale ASCII code voor "a" zoals je in Figuur 5 kunt zien). Deze code wordt door de computer naar de tekstverwerker gestuurd die de code weer terugvertaalt naar het juiste symbool, in dit geval de "a". ASCII is een 8 bits code en dat betekent dat je er slechts 256 symbolen mee kunt coderen. Dat lijkt veel maar in sommige talen heb je er echt meer nodig en zelfs in onze eigen taal is het handig om meer dan 256 symbolen te hebben. Het is immers best handig om in tekst niet -> te hoeven gebruiken maar dat je een hebt. Daarom wordt ASCII tegenwoordig niet meer gebruikt maar is deze standaard vervangen. Hierdoor is het er niet makkelijker op geworden omdat er allerlei nieuwe standaarden zijn ontstaan. Als je gaat zoeken kom je vaak de term Unicode tegen. Hieronder vallen standaarden zoals UCS-2, UCS-4, UTF-8, UTF-16, UTF-32 enzovoorts. Soms staat UTF voor Unicode Transformation Format en soms voor UCS Transformation Format, waarbij UCS staat voor Universal Character Set. Wat belangrijk is om te weten over Unicode is dat je er veel meer dan 256 symbolen mee kunt coderen. Unicode standaarden gebruiken geen vast aantal bits zoals ASCII wel deed maar een variabel aantal. Tot slot is het belangrijk om te weten dat de eerste 128 symbolen in Unicode exact gelijk zijn aan die van ASCII. Zoals je in Figuur 5 kunt zien zitten in deze eerste 128 symbolen alle letters en de meest voorkomende leestekens. Hierdoor kun je teksten die met ASCII gecodeerd zijn vrijwel altijd ongewijzigd gebruiken in een systeem dat Unicode codering gebruikt. We zeggen dan dat Unicode backwards compatible is met ASCII. coderingssystemen voor kleuren Niet alleen symbolen worden gecodeerd, ook kleuren hebben een codering nodig. Immers, een computer heeft geen flauw idee wat rood, groen of blauw is. Er bestaan een aantal coderingsystemen voor kleuren zoals RGB, CMYK, HSL/HLS, HSV/HSB enzovoorts. Een veel gebruikte codering is RGB en die gaan we hier behandelen. RGB staat voor Red Green Blue. Hopelijk weet je van de tekenlessen van vroeger nog dat je primaire kleuren hebt en dat je daarmee andere kleuren kunt maken door ze te mengen. Bij het schilderen zijn de primaire kleuren rood, geel en blauw, zie Figuur

12 Figuur 6: primaire schilderkleuren en menging 4 Bij verf gebruiken we zogenaamde subtractieve primaire kleuren; kleuren die kleurcomponenten onttrekken aan wit licht om zwart te maken. Bij beeldschermen gebruiken we additieve primaire kleuren; kleuren die kleurcomponenten toevoegen aan zwart om wit te maken. Bij additieve kleurmenging gebruiken we groen in plaats van geel, zie Figuur 7. Als je meer wilt weten over kleuren mengen en waarom er verschillende technieken zijn, kijk dan eens op The Straight Dope. Figuur 7: primaire beeldschermkleuren en menging 5 Voor nu is het voldoende om te weten dat we in software kleuren maken door rood, groen en blauw te mengen. We noemen elk van deze drie kleuren een kleurcomponent. Voor elke kleurcomponent gebruiken we 256 kleurintensiteiten en daarvoor hebben we 8 bits per component nodig. Hopelijk weet je nog dat werken met bits lastig is omdat we dan lange getallen krijgen. Daarom werkt RGB met hexadecimale waardes. Iedere kleurcomponent drukken we dus uit via twee hexadecimale getallen. Deze staan in de volgorde waarin we de naam van de codering schrijven, dus eerst rood, dan groen en dan blauw, zie Figuur 8. De waarde #FF0000 staat dus voor rood, de waarde #00FF00 voor groen en de waarde #0000FF voor blauw. En zoals je dan uit Figuur 7 kunt afleiden staat bijvoorbeeld #FFFF00 voor geel. Als je interactief wilt spelen met het mengen van kleuren, kijk dan eens op DAPJ

13 Figuur 8: RGB codering 6 Bij RGB worden slechts 3 bytes gebruikt en dat lijkt zonde want de meeste computers werken met 4 of 8 bytes tegelijk. Daarom wordt RGB vaak nog uitgebreid met een transparantie waarde, we spreken dan van RGBa (RGB alpha). De laatste byte, de alpha component, wordt dan gebruikt om aan te geven hoe transparant de kleur moet zijn. Als de alpha component 0 is dan is de kleur helemaal doorzichtig. Als deze component 0xFF is dan is de kleur helemaal niet doorzichtig (opaak, opaque in het Engels). Om het verwarrend te maken wordt naast RGBa ook wel argb gebruikt. Hier staat de alpha component aan het begin in plaats van aan het einde. 6. datacompressie docs.oracle.com/cd/e / /images/compression.gif

14 Comprimeren betekent samendrukken. En dat is precies wat er gebeurt bij datacompressie. De data wordt samengedrukt zodat het bestand dat de data bevat kleiner wordt. Dit is handig als je dat bestand naar iemand toe moet sturen. Immers, hoe kleiner het bestand, hoe sneller het op de plaats van bestemming is. Daarnaast is het ook goedkoper om het bestand op te slaan, opslagruimte kost immers geld. Dit zijn twee belangrijke voordelen van datacompressie. Het nadeel van datacompressie is dat je het bestand niet meer direct kunt gebruiken. Je moet eerst decomprimeren om bij de data de komen en dat kost tijd. Toch wegen de voordelen ruimschoots op tegen dit nadeel. Maar raak je dan niks kwijt als je een bestand comprimeert? Dat hangt ervan af. Er zijn heel veel technieken om te comprimeren en die komen in twee smaken, namelijk lossless en lossy. Lossless betekent dat er gecomprimeerd wordt zonder dat er data verloren gaat. Dit is essentieel als je bijvoorbeeld documenten comprimeert. Figuur 9: voorbeeld van lossy compressie 8 Bij lossy compressie gaat er wel degelijk informatie verloren. En soms is dat helemaal niet erg. Gemiddeld genomen zijn onze oren in staat om tonen met een frequentie tussen de 20 Hz en 20 KHz te horen. Rond de grenzen van dat bereik horen we het minst goed. Als we een CD met muziek afspelen, dan zitten daar tonen in die dichtbij de randen van het gehoorbereik zitten of er zelfs buiten. Stel dat we die tonen gewoon weggooien, vinden we de kwaliteit van de muziek op de CD dan slechter? Uit onderzoek is gebleken dat de meeste mensen het verschil niet of nauwelijks merken. Dit is de basis van bijvoorbeeld compressie die bij MP3 bestanden wordt gebruikt. Als we onze muziek CD converteren naar MP3 wordt er veel data weggegooid. Namelijk die tonen waar onze oren het minst gevoelig voor zijn. Hoe meer je gaat comprimeren, hoe meer data er weggegooid wordt in gebieden waar je de minste informatie verliest

15 Er zijn veel compressietechnieken. Hoe meer je weet over de structuur van de data die je wilt comprimeren, hoe beter je kunt comprimeren. Daarom worden er voor bepaalde soorten data specifieke compressietechnieken gebruikt. Zo wordt video heel anders gecomprimeerd dan audio. Software die een compressietechniek implementeert noemen we een codec, wat een afkorting is voor coder-decoder. 9 containerformaten versus codecs Een container is iets waar typisch meerdere dingen inzitten. Hopelijk is de term ZIP file (of ZIP bestand) je bekend. In een ZIP file kunnen we meerdere andere bestanden bundelen en tegelijkertijd de data ook nog comprimeren. Toch is ZIP geen compressietechniek, ZIP is een containerformaat. Het ZIP formaat geeft onder andere aan: Hoeveel en welke bestanden er in de ZIP file zitten. Welke compressietechniek er is gebruikt op de bestanden binnen de ZIP file. Of de ZIP file beschermd is met een wachtwoord en hoe. En zo zijn er nog meer dingen die het ZIP formaat vast kan leggen. De informatie die vertelt hoe de ZIP file is opgebouwd noemen we metadata. Metadata zegt in dit geval dus iets over hoe de echte data opgeslagen is. Metadata is data die iets zegt over andere data. Als het gaat over compressie dan hebben de termen die je doorgaans hoort te maken met containerformaten. ZIP, RAR, AVI, MP3, MKV, BMP, JPEG, GIF, PNG enzovoorts zijn allemaal containerformaten. Soms hebben het containerformaat en de compressietechniek dezelfde naam zoals bijvoorbeeld bij JPEG. Vaak is het echter niet duidelijk welke compressietechniek er wordt gebruikt of ondersteunt een containerformaat meerdere compressietechnieken

16 containers voor multimedia In een container voor multimedia zitten meerdere soorten multimedia. Als je een film downloadt kan het zijn dat je bijvoorbeeld een AVI bestand binnenhaalt. Zo'n AVI bestand is dan een container waarin video en audio zit. Maar ook een DVD is een voorbeeld van een container voor multimedia. Hierin zit veel meer dan alleen video en audio. Het speciale bij containers voor multimedia is dat de media in de container gesynchroniseerd moeten zijn. De audio moet immers kloppen bij de video en hetzelfde geldt voor ondertitels. Bekende containerformaten voor multimedia zijn AVI, MPG, MP4, FLV en MKV, maar er zijn er veel meer zoals je kunt zien op Wikipedia. AVI is een oud formaat van Microsoft dat meerdere videocompressie technieken zoals Divx, Xvid, MPEG-1, MPEG-2 en MPEG-4. Het heeft een aantal nadelen die moderne formaten niet hebben, maar toch wordt dit formaat ook nu nog veelvuldig gebruikt. 10 MPG is een oud formaat van MPEG (Moving Picture Experts Group). Zoals je hierboven al hebt gezien zijn er ook compressietechnieken die MPEG in de naam hebben. Feitelijk is MPEG een familie van containerformaten en compressietechnieken voor zowel video als audio. Wat in de volksmond MP3 heet staat feitelijk voor MPEG-1 Layer 3. MP4 is een nieuwer formaat van MPEG. MP4 containers ondersteunen oudere video compressietechnieken zoals MPEG-1 en MPEG-2 nog wel, maar doorgaans bevatten ze MPEG-4 compressie. Deze is veel effectiever en biedt meer functionaliteit dan de oudere formaten. MKV is een zeer flexibel containerformaat dat bijna alle compressietechnieken ondersteunt. Toch wordt dit formaat meestal gebruikt voor HD materiaal en meestal wordt er X264 videocompressie gebruikt voor video. 10 a1323.phobos.apple.com/us/r30/purple6/v4/a1/40/2b/a1402bc3-40bf-ed00-d103-6c3620b9b0e1/mzl.iojzxjat.png

17 Tot nu toe hebben we het alleen nog maar gehad over videocompressie. Hoe zit dat met audio? Ook hier bestaan veel verschillende compressietechnieken voor, kijk maar eens op Wikipedia. Toch zie je dat er doorgaans maar een klein aantal gebruikt wordt. Meestal wordt audio lossless of zelfs helemaal niet gecomprimeerd omdat de hoeveelheid audiodata in het niet valt bij de hoeveelheid videodata. Een oude, maar nog steeds veel gebruikte audiocompressie techniek is MP3 (oftewel MPEG-1 Layer 3). Deze wordt nog veel gebruikt in AVI containers. MP3 is alleen niet echt geschikt voor surround sound. Andere technieken die veel gebruikt worden zijn MPEG-4 varianten zoals ALS en SLS. Tot slot nog even wat dingetjes over DVD en Blu-ray. Ook hier wordt compressie toegepast. Op een DVD wordt voor video compressie MPEG-2 gebruikt. Audio kan op verschillende manier gecomprimeerd zijn zoals met DTS, PCM, MP2 (MPEG-1 Layer 2) of AC-3 (Dolby Digital). Bij Blu-ray wordt voor video compressie meestal MPEG-4 of X264 gebruikt, maar er zijn meer technieken toegestaan zoals MPEG-2. Voor audio compressie wordt meestal AC-3 of DTS gebruikt, maar ook hier zijn meer technieken toegestaan. containers voor afbeeldingen Voor afbeeldingen worden andere containerformaten gebruikt dan voor audio en video. Ook worden er heel andere compressietechnieken gebruikt. Dat er veel formaten en compressietechnieken zijn zal je niet verbazen, kijk maar eens op Wikipedia. Veel gebruikte containerformaten zijn BMP, GIF, JPEG en PNG. BMP is een Microsoft formaat en bevat meestal niet gecomprimeerde data. GIF is een oud formaat dat maar 8 bits ondersteunt en daarom slechts 256 kleuren aan kan. In een GIF container kunnen meerdere afbeeldingen zodat het mogelijk is om animaties te maken

18 Figuur 10: Verschillende mate van compressie bij een JPEG afbeelding 11 JPEG is een veel gebruikt formaat dat 24 bits ondersteunt en daarom zo'n 16 miljoen kleuren aan kan. Het is één van de meest gebruikte formaten op het moment. Je kunt instellen hoeveel je de afbeelding wilt comprimeren. Hoe meer je comprimeert hoe slechter de kwaliteit van de afbeelding wordt. Doorgaans ontstaan er steeds meer blokken in de afbeelding. In Figuur 10 zie je hier een voorbeeld van. Bij JPEG wordt lossy compressie gebruikt, dus je kunt een gecomprimeerd plaatje niet meer terugkrijgen in de oorspronkelijk staat. PNG staat voor Portable Network Graphics en is ontwikkelt met het oog op webbrowsers. Het ondersteunt maar liefst 48 bits, maar meestal worden er maar 24 bits gebruikt. PNG is gemaakt als gratis variant voor GIF, dat is namelijk een betaald formaat. Als een applicatie om kan gaan moet GIF afbeeldingen moeten de makers van de applicatie daarvoor geld afdragen aan Unisys, de eigenaren van het GIF formaat. containers voor algemene data Als we niet weten wat er precies in een bestand zit dan spreken we van een algemeen databestand. Er zit data in en daar kunnen we niets specifieks over zeggen. Toch wordt er bij algemene databestanden vaak vanuit gegaan dat het om tekst gaat. De compressietechniek wordt hierop afgestemd

19 Vroeger sloegen applicaties data vaak op als tekst en dat sloot goed aan bij de compressietechnieken voor algemene databestanden. Tegenwoordig zijn er echter veel applicaties die zelf de data al comprimeren. De applicaties uit MS Office zijn hiervan een voorbeeld. Het voordeel is dat een applicatie veel kennis over de data heeft en daarom effectief kan comprimeren. Het nadeel is dat de bestanden alleen nog maar door de applicatie zelf gelezen kunnen worden en niet met bijvoorbeeld een algemene teksteditor. Bovendien zullen compressietechnieken voor algemene databestanden geen of weinig invloed meer hebben. Dat laatste is natuurlijk niet zo heel erg aangezien de data al goed gecomprimeerd is. Er zijn veel containerformaten en compressietechnieken voor databestanden. Twee veel gebruikte containerformaten zijn ZIP en RAR. De ZIP container is geïntegreerd in Windows 7, zie Figuur 11. Voor RAR bestanden heb je een aparte applicatie nodig zoals WinRAR, zie Figuur 12. Figuur 11: ZIP integratie in Windows 7 De meeste containerformaten hebben naast compressie nog meer voordelen. Zo kun je ze gebruiken om meerdere bestanden te bundelen en alles als één pakket te versturen. Ook is het vaak mogelijk de bestanden in de bundel te beveiligen met een wachtwoord

20 Figuur 12: De WinRAR applicatie