Come funziona e come si configura il VoIP

VoIP (Voice over Internet Protocol) è l’acronimo sotto il quale sono raccolte le tecnologie usate per effettuare chiamate audio usando per il trasporto e la gestione delle connessioni la suite di protocolli TCP/IP, sulla quale sono basate le comuni reti locali e Internet.

In questo articolo approfondiremo il funzionamento generale del VoIP, i principali protocolli utilizzati e gli aspetti da tenere in considerazione quando si configura un sistema VoIP. La comprensione di questo articolo richiede alcune conoscenze tecniche del funzionamento delle reti e dei protocolli di Internet più comuni.

Funzionamento

Come abbiamo detto, il VoIP è basato sui protocolli della suite TCP/IP. Questo significa che le telefonate viaggiano su una connessione a commutazione di pacchetto, invece di commutazione di circuito come accadeva con le vecchie connessioni analogiche.

Ciò implica che i pacchetti audio sono soggetti a perdite, latenza e jitter, che, se eccessivi, possono degradare la qualità della chiamata. La banda utilizzata invece dipende dal codec (vedi sotto) usato e può variare da poche decine di kilobit/secondo a qualche centinaio.

VoIP non usa un singolo protocollo come il web, assomiglia di più alla posta elettronica dove i client usano diversi protocolli (SMTP, IMAP, POP) per gestire i messaggi. Al contrario di browser e client di posta elettronica, però, nel VoIP le connessioni non sono sempre e solo iniziate dal client.

In caso di chiamata in ingresso, è il server remoto che inizia la connessione verso il sistema di destinazione, perciò è necessario che questo sia sempre in ascolto e accessibile dall’esterno.

VoIP può essere usato direttamente tramite dispositivi in grado di connettersi via TCP/IP e gestire direttamente i protocolli, ad esempio telefoni/basi DECT VoIP connessi via Ethernet o WiFi, oppure tramite “softphone” (applicazioni VoIP installate su PC, tablet o smartphone), o anche usando “normali” telefoni analogici connessi a dispositivi di conversione chiamati ATA (Analog Telephone Adapter), che possono essere anche integrati in dispositivi all-in-one come i classici “router internet” destinati alle installazioni domestiche o in piccole aziende.

L’ATA funziona da una parte come telefono VoIP, e dall’altra come fosse una mini-centrale telefonica analogica. Esistono anche centralini (PBX) VoIP e sistemi misti per connettere più dispositivi sia VoIP che analogici.

Protocolli utilizzati

I protocolli utilizzati sono SIP (Session Initiation Protocol), RTP (Realtime Transport Protocol) e RTCP (RTP Control Protocol). Vediamoli uno ad uno più in dettaglio.

SIP

SIP è utilizzato per la gestione delle connessioni e delle chiamate. Tramite questo protocollo il sistema VoIP si registra con i server remoti, sono inviate e ricevute le richieste di chiamata, di termine della chiamata ed altre richieste e informazioni.

SIP può essere utilizzato sia via TCP che UDP, quest’ultimo è più comunemente usato. Ogni connessione VoIP deve utilizzare una porta specifica, di solito a partire dalla 5060.

Il protocollo SIP assomiglia un po’ ad HTTP e nei suoi header trasporta le informazioni necessarie per le connessioni e le chiamate, compresi purtroppo l’IP e le porte da utilizzare, così come visti dal sistema VoIP.

Questo causa non pochi problemi quando il sistema è dietro NAT, in quanto di default vengono usati gli IP e le porte visibili solo dalla LAN e non quelli visibili in WAN. Sono pertanto necessarie configurazioni specifiche per risolvere questo problema.

RTP

RTP è utilizzato per trasportare i dati audio veri e propri. Tramite SIP le due parti si accordano sulla destinazione della connessione RTP, porte, codec e altri parametri di connessione (usando il formato SDP, Session Description Protocol), infine instaurano la connessione RTP per la sessione audio.

L’audio viene digitalizzato tramite appositi codec, suddiviso in pacchetti (che contengono dai 20 ai 30 ms di audio) ed inviato via RTP.

A livello di trasporto viene utilizzato il protocollo UDP per minimizzare la latenza, non essendo necessaria alcuna conferma di ricezione né ritrasmissione in caso di errore. È un protocollo molto generico progettato non solo per il trasporto di dati audio; nel caso del VoIP può essere utilizzato anche per trasportare specifici messaggi (come i toni DTMF) così che il suono del tono non dipenda dalla qualità del codec.

Non sono definite porte standard per RTP ma spesso si usano le porte a partire dalla 16384. La porta viene scelta dinamicamente quando viene stabilita la connessione ed è necessaria una porta per ogni chiamata contemporanea. La porta di partenza deve essere una porta pari, perché la successiva porta dispari sarà automaticamente usata per RTCP.

RTCP

RTCP è un protocollo usato in accoppiata con RTP per gestire separatamente la qualità della connessione RTP.

Trasporta informazioni quali il numero di byte ricevuti, latenza, pacchetti persi, ecc. che possono essere usati per gestire automaticamente la qualità della chiamata. Funziona via UDP e usa automaticamente la porta di numero dispari successiva alla porta RTP usata per la chiamata.

Configurazione di un sistema VoIP

La configurazione di un sistema VoIP è composta da due passi separati.

Innanzitutto, la configurazione del sistema locale per la connessione ai server del fornitore del servizio.

Successivamente, se il sistema VoIP non è direttamente esposto su Internet, la configurazione di router e firewall per far passare correttamente il traffico (specialmente quello in ingresso), pena il malfunzionamento del sistema.

La configurazione del sistema VoIP locale dipende strettamente dal dispositivo usato e dai parametri scelti dal fornitore del servizio. SIP purtroppo offre un gran numero di parametri per adattarsi a differenti realtà preesistenti e questo può rendere le configurazioni non semplicissime.

Vediamo più in dettaglio quali sono i principali aspetti e parametri da considerare durante la configurazione.

Configurazione del networking

Il sistema VoIP deve ovviamente avere un IP e un gateway per raggiungere Internet. Alcuni ISP richiedono che il traffico VoIP sia su una VLAN differente dal traffico dati, richiedendo apparati di reti capaci di gestire VLAN separate.

Particolare attenzione va fatta ai server DNS: molti ISP permettono di risolvere i record DNS necessari per far funzionare il proprio VoIP solo usando i propri DNS perciò usando server generici (Google, Cloudflare, ecc.) il VoIP non funzionerà¹.

È sconsigliabile risolvere a mano gli indirizzi IP e inserirli direttamente nella configurazione VoIP perché, nel caso l’ISP li cambi, il VoIP cesserà di funzionare fino a che non si re-inseriranno a mano gli indirizzi corretti.

Alcuni ISP (es. TIM e Vodafone) usano record di tipo SRV o NAPTR che permettono una maggiore flessibilità e robustezza nella designazione dei server VoIP da usare. In questi casi il sistema VoIP deve supportarli. Fornitori di servizi VoIP commerciali in genere funzionano con qualsiasi DNS.

Spesso sono anche indicati i parametri di QoS da usare, come impostazioni Ethernet 802.1p o valori DSCP TCP/IP. Impostati correttamente, possono essere utili per gestire la latenza. In genere la latenza end-to-end di una chiamata VoIP deve essere inferiore a 300 ms perché sia accettabile².

Configurazione della registrazione SIP e dei server proxy

La registrazione è necessaria per dichiarare la propria presenza e disponibilità al sistema VoIP remoto.

Per registrarsi correttamente vanno indicate le credenziali necessarie (fornite dall’ISP, incluso il numero di telefono assegnato) e i parametri per la connessione su cui, purtroppo, c’è una certa variabilità e non tutti i sistemi usano lo stesso nome.

A seconda del tipo di risoluzione dei nomi usato, del setup VoIP del provider, e del client usato, occorrono uno o più dei seguenti parametri:

• il Dominio/Realm SIP (es. telecomitalia.it)
• il Registrar, il server che si occupa della registrazione (se separato dal Proxy)
• il Proxy SIP (da non confondersi con i proxy HTTP), il server che gestisce le chiamate (es. voip.windtre.it)
• il Outbound Proxy, il proxy da contattare direttamente anche se non quello indicato nel Request-URI della chiamata (es. voip.it.isp.sky)

In genere, se il fornitore usa record di tipo SRV/NAPTR, occorre solo il Dominio/Realm e se richiesto l’Outbound Proxy, mentre tutto il resto è ottenuto dinamicamente. In tutti gli altri casi va inserito il nome host del Proxy e, se richiesto, dell’Outbound Proxy e/o del Registrar.

Può essere che sia necessario inserire gli stessi dati in più campi, ad esempio se un client VoIP richiede Registrar e Proxy separatamente, ma il provider usa lo stesso host, va inserito lo stesso dato in entrambi.

Intervallo di registrazione SIP

Una registrazione SIP non dura all’infinito, ma scade dopo un certo periodo di tempo.

Bisogna quindi impostare il tempo dopo il quale va effettuata una nuova registrazione. Di solito questo parametri è dato dal proprio fornitore, alcuni richiedono intervalli di un’ora, altri anche più lunghi (es. per TIM 1 giorno).

Alcuni server non gradiscono richieste frequenti e mettono in blacklist la sorgente per un po’ di tempo nel caso di tentativi di registrazione troppo ravvicinati.

Configurazione del NAT traversal

Questa configurazione è necessaria se il dispositivo VoIP è a valle di un NAT. Va fatta in accoppiata con quella fatta sul router e occorre quando il dispositivo VoIP non è integrato nel router o non ha IP pubblico.

Quando il sistema VoIP è integrato nel router, e il router ha IP pubblico, in generale l’IP e le porte sono gestite automaticamente come necessario. Nel caso di router in cascata rimane la necessità di configurare il NAT traversal.

Ci sono diversi modi per risolvere il problema del NAT:³

• ALG (Application Layer Gateway, o passthrough) VoIP attivo sul router: questo è il sistema più semplice che non richiede alcuna impostazione sull’apparato VoIP. Il router ha una specifica funzione in grado di intercettare il traffico SIP, modificare i parametri necessari e aprire automaticamente le porte selezionate. Ci sono però casi nei quali non è in grado di farlo correttamente, creando malfunzionamenti. Alcuni dispositivi possono usare UPnP, se attivo sul router, per ottenere un effetto simile. Sono in grado in tal caso di identificare l’IP pubblico da usare e aprire automaticamente le porte, senza quindi alcuna necessità di manipolazione del traffico.

• Apertura manuale delle porte sul router: affinché funzionino le chiamate in entrata, è necessario che il dispositivo VoIP sia in ascolto sulla porta SIP selezionata e che questa sia raggiungibile dall’esterno. Si può quindi fare forwarding delle porte necessarie sul router verso il dispositivo VoIP. Di solito bisogna solo aprire le porte SIP necessarie, ma se la connessione RTP è iniziata anche dall’esterno (ad esempio il server non supporta Symmetric RTP, RFC 4961⁴, per riusare la connessione del client) è necessario aprire anche queste (ricordando anche la porta RTCP), pena audio monodirezionale.

• NAT keep-alive: quando viene stabilita una connessione, un router che fa NAT crea una mappatura nella tabella di NAT (IP:porta pubblici <-> IP:porta privati) per gestire i pacchetti di ritorno in ingresso in modo da ricevere dati dall’esterno. La durata di questa mappatura dipende dal router e dal protocollo (TCP o UDP). È possibile inviare ad intervalli regolari pacchetti di keep-alive per evitare che la mappatura scada e sia eliminata. Questa funzione ha appunto il nome “NAT keep-alive” o simile. Non richiede particolari impostazioni sul router ma è necessario avere un’idea della durata delle mappature per impostare correttamente l’intervallo di keep-alive. Lo svantaggio di questa modalità è che crea traffico “inutile”, e l’intervallo va pertanto regolato con un po’ di attenzione.

L’apertura manuale delle porte e il keep-alive dipendono però dalla corretta individuazione dell’IP e della porta pubblici per permettere le chiamate in ingresso. Se si ha un IP pubblico statico è spesso possibile inserirlo nel dispositivo come IP WAN, così da poterlo utilizzare direttamente nei messaggi SIP inviati.

I server remoti possono anche essere in grado di usare IP e porta che vedono direttamente nei pacchetti TCP/IP ricevuti, se esistono i corretti header VIA nei messaggi SIP (con i parametri received e rport⁵), ma questo dipende dalla configurazione del server e il dispositivo VoIP deve inserire gli appositi parametri nelle sue richieste.

In alternativa, è possibile usare un server STUN (Session Traversal Utilities for NAT) che implementa uno specifico protocollo che permette ai dispositivi che lo interrogano di sapere quali sono l’IP e porta così come visti dall’esterno in modo da poterli inserire direttamente negli header SIP.

STUN non funziona con router che usano NAT simmetrico (es. gli Asus, di default), perché in quel caso il mapping IP:porta pubblici è valido solo per la singola connessione che l’ha creato. Con altri tipi di NAT (es. full-cone), lo stesso mapping è usabile anche da altre connessioni.

Senza sapere esattamente qual è il server VoIP remoto e come è configurato, è difficile sapere a priori quale combinazione funzionerà perciò spesso è necessario procedere a tentativi.

Codec supportati

I codec (coder-decoder) sono gli algoritmi che effettuano la digitalizzazione dell’audio (e il processo inverso). VoIP non prescrive specifici codec lasciando ai sistemi la decisione di quale codec usare per una chiamata.

Durante la fase di configurazione della chiamata, le due parti si scambiano informazioni sui codec supportati e ne selezionano uno comune in base alle priorità configurate. La selezione del codec ha effetto sulla qualità della chiamata e sulla banda usata.

• G.711 (chiamato anche PCM). Esiste in due versioni, A-law e μ-law (mu). Quest’ultimo è usato in Nord America, il resto del mondo usa la versione A. È un codec “narrowband”, cioè campiona una limitata banda audio per ridurre la quantità di dati da trasmettere. Inoltre non applica compressione e fornisce una qualità audio paragonabile a quella delle chiamate analogiche. Richiede circa 64-80 kb/s di banda.⁶
• G.729 è un codec “narrowband” che richiede solo circa 8 kb/s di banda grazie alla compressione, al prezzo di una qualità audio inferiore al G.711. Può introdurre delle distorsioni che ad esempio impediscono ai toni DTMF trasportati come audio di funzionare correttamente con gli IVR.⁷
• G.722 è un codec “wideband” (campiona una banda audio più ampia) con una qualità audio più elevata. Grazie alla compressione usa circa la stessa banda di G.711 ma al momento è offerto solo da pochi provider (es. TIM).⁸

I dispositivi VoIP possono supportare molti altri codec ma è spesso possibile usarli solo in LAN perché non sono supportati dagli ISP o dai fornitori di servizi VoIP. La scelta spesso è dettata, oltre dalla banda utilizzata, dalle necessità computazionali dei codec, per poter essere utilizzati anche su dispositivi con hardware poco performante.

G.711 offre un buon compromesso fra qualità audio e banda, G.729 è da utilizzare quando ogni kilobit risparmiato è utile.

Se non si hanno problemi di banda e/o latenza, il consiglio è quello di selezionare i codec di qualità migliore a priorità più alta.

Impostazione dei toni DTMF

I toni emessi alla pressione dei tasti possono essere trasportati in modalità diverse (le più comuni sono le prime due):

• In-band: sono trasportati come toni audio direttamente nel flusso audio. Con certi codec è possibile che la qualità sia abbastanza bassa da non venire riconosciuti dagli IVR;
• RTP payload (RFC 2833): sono trasportati come specifico tipo di dato nei pacchetti RTP;
• SIP DTMF Events: sono trasportati separatamente via SIP.

Packetization time

Il packetization time è la durata dell’audio nei singoli pacchetti RTP. Va impostata a quella richiesta, se non lo è già, di solito è 20 ms.

Di solito è anche richiesto di disabilitare Voice Activation Detection, la funzione che riduce l’utilizzo di banda trasmettendo solo se qualcuno sta effettivamente parlando.

Altre impostazioni

Il fornitore del servizio può richiedere una serie di impostazioni opzionali, ad esempio il supporto ai messaggi di tipo 100 REL PRACK, UPDATE, ecc.

Se richieste e supportate dal proprio dispositivo è meglio attivarle, altrimenti si potrebbero avere malfunzionamenti. Ad esempio se con TIM non viene abilitato 100 REL PRACK ci sono problemi con le chiamate in ingresso.

ATA analogici

Quando si configura un ATA può essere necessario configurare molte altre impostazioni per emulare al meglio le linee tradizionali alle quali siamo abituati, ad esempio i toni inviati al telefono nelle varie situazioni (libero, occupato, ecc.), le suonerie, il formato del caller-id, e perfino alcuni parametri elettrici della linea che storicamente variano da nazione a nazione.