Sommario

1. Sommario • Internet ed il World Wide Web • Introduzione: le reti di calcolatori • Internet: indirizzamento e protocolli di comunicazione • Il World Wide Web: come funziona e a cosa serve • Ricerca di informazione sul Web

2. Introduzione: le reti di calcolatori

3. Introduzione  1 • Una rete è costituita da due o più computer collegati tra loro in modo tale da permettere flusso di informazione • La più grande rete esistente al mondo è Internet: ogni computer connesso ad Internet è in grado di comunicare con tutti i computer collegati

4. Introduzione  2 • “Internet ha rivoluzionato il mondo dei calcolatori e della comunicazione come nulla aveva fatto prima. È allo stesso tempo capacità di diffusione a livello mondiale, un meccanismo per disseminare informazioni ed un mezzo per collaborazione ed interazione fra individui ed i loro calcolatori, senza riguardo alla collocazione geografica.” (Leiner et al., “A brief history of the Internet”, Feb. `97, http://www.isoc.org/internet–history) • Internet offre una notevole varietà di servizi informativi: posta elettronica, ftp, login remoto, accesso a newsgroup, etc.; il WWWè di gran lunga il più conosciuto

5. Reti locali • Una rete locale — LAN(Local Area Network) — connette dispositivi hardware che si trovano fisicamente vicini, nello stesso edificio o nella stessa università • Per le LAN, il proprietario delle macchine è anche il proprietario dei mezzi di comunicazione: non occorre acquistare servizi forniti da terzi, come la compagnia telefonica • Il modello più diffuso di LAN è chiamato Ethernet

6. Reti geografiche • Una rete geografica — WAN (Wide Area Network) — connette dispositivi che possono essere ai poli opposti della stessa città o in città vicine (in questo caso si parla più propriamente di MAN— Metropolitan Area Network) o dall’altra parte dell’oceano • Poiché le WAN attraversano proprietà pubbliche, gli utenti di una WAN devono acquistare servizi di telecomunicazione • Le WAN impiegano linee di comunicazione punto–a–punto, che collegano direttamente due calcolatori, anziché canali condivisi, normalmente utilizzati per le LAN

7. Servizi di rete • Condivisione delle risorse— sia fisiche(memorie di massa, periferiche) che logiche (dati, software) • Condivisione delle informazioni — accesso ad informazioni remote, di carattere scientifico, medico, legale, commerciale • Posta elettronica — conveniente(può essere scritta/letta a qualsiasi ora del giorno e della notte), veloce (un messaggio dagli USA arriva in meno di un minuto), economica (i costi di trasmissione non dipendono dalla distanza); “documenti” di qualsiasi tipo (file, archivi, foto, musica) possono essere acclusi in allegato

8. Internet

9. La storia diInternet  1 • Internet è la rete telematica più grande del mondo, per estensione geografica e per numero di utenti • Nel periodo della guerra fredda, il governo USA sollecitò la creazione di DARPA, Defense Advanced Research Project Agency, una struttura del Dipartimento della Difesa con il compito di mantenere le comunicazioni in caso di attacco nucleare • Fu Paul Baran a ipotizzare, in un documento dal titolo On Distributed Communication Networks, la creazione di una rete priva di autorità centrale, in cui tutti i nodi fossero indipendenti, di pari gerarchia ed in grado di originare, passare e ricevere messaggi (indipendentemente dalla tipologia dei computer collegati)

10. La storia diInternet  2 • I messaggi dovevano essere scomposti in pacchetti, ognuno dei quali in grado di raggiungere la propria destinazione seguendo un percorso qualsiasi, qualora quello stabilito fosse interrotto • Nel 1965, il DARPA finanziò uno studio sulle reti cooperative di computer • Nel 1969, il Dipartimento della Difesa commissionò ARPANET, con lo scopo di promuovere la ricerca per un piano di rete nazionale militare; il primo collegamento fu stabilito tra due computer dell’Università della California (UCLA) e dello Stanford Research Institute

11. La storia diInternet  3 • Internet non è gestita da alcuna istituzione politica, culturale o economica, ma da un gruppo di volontari, conosciuto come ISOC (Internet Society) • Fornire le dimensioni di Internet è impossibile: si calcola vi siano centinaia di milioni di utenti, localizzati in ogni paese del mondo; la crescita esponenziale di Internet continua

12. Le tappe fondamentali 1987  10000 host 1989  100000 host 1990  ARPANET diviene Internet, Tim Berners-Lee del CERN di Ginevra progetta il WWW 1991  primi software di navigazione 1992  nasce il protocollo HTTP 1993  prima versione (gratuita) di Mosaic, il primo browser grafico 1994 Netscape distribuisce gratuitamente via Internet, la versione beta del Navigator 1995  Microsoft realizza Explorer 1969  primo nodo di ARPANET 1971 ARPANET conta 15 nodi 1972 ARPANET congiunge 37 nodi 1973 primaconnessione internazionale fra Inghilterra e Norvegia 1976 la regina Elisabetta è il primo capo di stato a spedire e-mail; Jimmy Carter e Walter Mondale coordinano la campagna elettorale via e-mail (4$ a messaggio) 1982 nasce il protocollo TCP/IP 1983 la rete conta più di mille nodi; MILNET (rete militare) si scinde da ARPANET (rete di ricerca del mondo universitario)

13. Internet: la rete delle reti • Conseguentemente ad ARPANET, nacquero HEPNet (High Energy Physics Network), CSNET (Computer Science Network), SPAN (Space Physics Access Network), etc., per supportare lo scambio di informazione scientifica nelle specifiche aree di ricerca: la proliferazione rapida e non pianificata di reti indipendenti causa incompatibilità e ostacola la comunicazione fra utenti di reti distinte • Internetworking— ogni WAN è libera di gestire autonomamente la comunicazione al suo interno, ma deve utilizzare uno schema comune di indirizzamento e protocolli identici per interfacciarsi alle altre reti • Internet diviene la rete delle reti — reti distinte si interconnettono attraverso gateway, che realizzano la connessione effettiva e forniscono i servizi di routing fra le diverse WAN

14. Indirizzamento • Uno schema globale e gerarchico di indirizzamento identifica univocamente ogni utente ovunque localizzato nel mondo: monica@dii.unisi.it identifica l’utente “Monica (Bianchini)”, con un account su un calcolatore il cui indirizzo di rete è rappresentato da ciò che sta a destra di at, @; il calcolatore è situato nel Dipartimento di Ingegneria dell’Informazione (dii) dell’Università di Siena (unisi), in Italia (it) • Lo schema gerarchico di indirizzamento, che procede dallo specifico al generale, è chiamato Domain Name System (DNS) • Nella realtà, gli indirizzi di Internet sono numeri binari a 32 bit: gli indirizzi simbolici — più facili da memorizzare — sono convertiti automaticamente negli indirizzi numerici prima della trasmissione di dati sulla rete

15. Protocolli di comunicazione • In informatica, le regole comuni per lo scambio di informazioni vengono definite protocolli — “usi e norme che regolano le formalità, il diritto di precedenza e di cerimoniale diplomatico”: definizione che si adatta perfettamente al contesto della trasmissione dell’informazione • TCP/IP — Transmission Control Protocol/Internet Protocol, descrive le regole e le procedure cui le diverse WAN devono attenersi per indirizzamento, formato dei messaggi, routing e controllo degli errori: è il linguaggio comune parlato dalle reti di tutto il mondo

16. Internet: la diffusione  1 • Dalle origini al gennaio 2000, nei suoi primi dieci anni di vita, Internet è cresciuto fino a più di 72.4 milioni di calcolatori localizzati in ogni parte del mondo, ed il DNS include estensioni per 239 paesi, territori e possedimenti, compresi il continente antartico (.aq), Guinea Bissau (.gw), le isole Cocos (.cc), Pitcairn (.pn), etc. • Secondo uno studio dell’americana Telcordia Technologies, il numero degli Internet host presenti nel mondo avrebbe superato i 100 milioni nel 2000 • Questo dato rappresenta un incremento del 45%rispetto al 1999 • Gli utenti di Internet sono circa 350 milioni • Nel primo semestre del 2004 gli Internet host sono oltre 285 milioni

17. Internet: la diffusione  2 • Negli USA, l’ultima parte del DNS non identifica lo stato, ma il tipo di sito: commerciale (.biz, .com), universitario (.edu), governativo (.gov), militare (.mil), organizzazioni no profit (.org) • I principali servizi offerti (tramite TCP/IP) sono il telnet, per realizzare il login remoto, l’FTP(File Transfer Protocol) per il trasferimento di file da macchine remote, l’SMTP (Simple Mail Transfer Protocol) per la posta, ed il World Wide Web per la condivisione di informazione ipertestuale, che si avvale del protocollo HTTP (HyperText Transfer Protocol) • In Italia... • Nel quinquennio 199095 si passa da 650 a 45000 host • Luglio 2000: 1574000 host • Giugno 2004: 7447300 host

18. Il World Wide Web

19. Internet, ovvero… il WWW  1 • WWW: Whatever, Wherever, Whenever • WWW: World Wide Wait (l’attesa planetaria) • Information Nirvana • “Internet è la più grande anarchia operante nel mondo.” (Kevin Kelly) • Internet è la passeggiata curiosa in un grande mercato delle pulci, dove ci si può divertire a cercare notizie sugli extraterrestri, conoscere il canto degli uccelli australiani o scambiarsi opinioni sul gioco delle bocce • “Il desiderio di Internet è così intenso che può essere compreso solo come un fatto spirituale. Quel desiderio indica che c’è qualcosa che manca nella nostra vita. E quello che manca è la voce umana. Il Web promette il ritorno della voce umana.” (David Weinberger)

20. Internet, ovvero… il WWW  2 • Ogni sito è un punto di vista su Internet • Internet non è né buono né cattivo, ma un semplice mezzo per l’uso e l’abuso; siamo noi che gli diamo l’anima, la nostra, buona o cattiva; inutile lodare, inutile maledire • Cercare informazioni su Internet equivale a versare un aperitivo con la pompa della benzina • Ognuno proietta su Internet quello che fa (o avrebbe voluto fare) nella vita “reale”: un ospedale virtuale, un supermercato elettronico, una galleria con le emozioni vissute… • Internet è la “Mecca dei grafomani” • Internet è quel posto dove tutti navigano per trovare un motivo per navigare • Internet è quella realtà nella quale gli investitori pagano prezzi assurdi per azioni di aziende di cui non sanno spiegare il business

21. Internet, ovvero… il WWW  3 • Il motore a vapore all’inizio non ha cambiato la vita che di poche persone; ma quando è stato montato su una locomotiva e messo sulle rotaie, la società intera è stata trasformata. Il computer è il motore a vapore, Internet le rotaie. Saranno le rotaie di Internet a diffondere la “rivoluzione digitale” e a cambiare il mondo • “La nuova Internet sarà questa: non più utenti che comunicano fra di loro via computer, bensì computer in rete 24 ore su 24 che comunicano tra loro per conto degli utenti.” (Philip Greenspun, MIT, Boston)

22. Il World Wide Web • Grazie al Web stiamo assistendo ad una rivoluzione nell’accesso alle fonti di informazione • Cercare nel Web è come accedere ad un’enciclopedia di miliardi di pagine senza un indice né un ordine apparente • La e–revolution avrà un enorme impatto in tutti i campi del sapere e nella nostra vita quotidiana • Come rappresentiamo e misuriamo il Web ha un severo impatto nei metodi di ricerca che riusciamo a modellare • 3 utenti su 5 cercano nel Web sottoponendo query(interrogazioni) a motori di ricerca come Google o Altavista

23. Il Web italiano  1 • Secondo i dati presentati da Eurisko nel febbraio 2005 (in base a ricerche fino a gennaio) il numero totale di persone che accedono alla rete in Italia, anche occasionalmente, sarebbe salito a 14.5 milioni, che si riducono a 13.6 se si escludono gli accessi in situazioni esterne, come corsi di formazione, presso amici, in biblioteca o “bar” – e a 9.7 se si considerano le persone che dicono di collegarsi “almeno una volta alla settimana” • Sono circa 4 milioni le persone che dicono di usare Internet tutti i giorni • Il numero totale di “utenti dal lavoro, da casa o da scuola” nel gennaio 2005 è aumentato del 5% rispetto al gennaio 2004 (in mesi precedenti si erano rilevati indici più alti – per esempio un aumento del 15% nel giugno 2004 rispetto a un anno prima)

24. Il Web italiano  2 Utenti Internet in Italia (gennaio 2001gennaio 2005) • Eurisko ritiene che il “potenziale di sviluppo” si collochi fra i 23 e i 24 milioni di persone (e che quindi l’attuale “penetrazione” sia circa il 60 %) • L’andamento di Internet in generale, e particolarmente nei paesi più evoluti, indica che siamo lontani da un’ipotetica “soglia di saturazione”

25. Previsioni • Ci saranno più di 765 milioni di utenti nel mondo  118 ogni 1000 persone  alla fine del 2005, in base a quanto stimato dal CIA (Computer Industry Almanac) • La quota di utenti Internet statunitensi è destinata a calare dal 43% del totale di utenti nel mondo alla fine del 1999 al 27% per la fine del 2005 • L’Europa dell’ovest sta crescendo più velocemente del nord America ed è destinata a diventare la seconda area nel 2005 con più di 213 milioni di utenti • La regione AsiaPacifico sta crescendo ancora più velocemente ed avrà approssimativamente 190 milioni di utenti nel 2005 • La quota di utilizzatori in centro e sud America, e Africa, sta crescendo più lentamente, in particolare in Africa (studi sociologici hanno dimostrato che esiste una connessione diretta tra livello culturale, occupazione ed utilizzo di Internet)

26. Internet interplanetario

27. L’informazione ipertestuale  1 • Ipertesto — raccolta di documenti connessi da puntatori, gli hyperlink;un documento contenente informazione ipertestuale è una pagina, nel linguaggio del Web • Lo standard linguistico per la scrittura di pagine è HTML — Hypertext Markup Language • Navigare sul Web significa accedere a pagine successive, utilizzando i link per spostarsi da pagina a pagina • I documenti ipertestuali possono essere memorizzati ovunque nei miliardi di computer collegati ad Internet e un link è il nome di una pagina e l’indirizzo Internet della macchina su cui è memorizzata

28. L’informazione ipertestuale  2 • Un link di un ipertesto fa riferimento ad un URL(Uniform Resource Locator), protocollo://indirizzo_Internet/risorsa “protocollo” indica la natura dell’informazione contenuta nella pagina (http(s): ipertesto; ftp: file download; news: per informazioni da bollettini e newsgroup; mailto: web– mail) “indirizzo_Internet” è l’indirizzo DNS della macchina su cui la pagina è locata “risorsa” è l’identificativo della risorsa, un file memorizzato sulla macchina specificata http://www–dii.ing.unisi.it/people.html

29. L’informazione ipertestuale  3 • Quando si “clicca” su un link, la rete utilizza i protocolli TCP/IP–HTTP per stabilire una connessione tra la macchina dell’utente e la macchina remota il cui indirizzo Internet è puntato dall’URL • Quando la connessione è stabilita, la pagina richiesta viene trasferita alla macchina dell’utente e visualizzata sullo schermo: il fetch (reperimento) delle pagine e la loro visualizzazione è gestita da un browser (Netscape, MS Explorer) • Il WWW è la “killer app”, l’applicazione dalla crescita più rapida e la più importante di Internet

30. Numero di anni per raggiungere 50.000.000 di utenti 38 years 16 years 13 years 4 years Internet Radio Televisione PC

31. Il commercio elettronico • Termine applicato all’utilizzo del Web per lo scambio di merci, informazioni e servizi nel settore commerciale • I primi servizi offerti dall’e–commerce riguardavano soprattutto aspetti di e–business, con l’emissione di bonifici, l’attivazione di sportelli automatici per la gestione di transazioni finanziarie da siti remoti, l’utilizzo di dispositivi di lettura alle casse per la raccolta automatica di informazioni di vendita • I POS (Point of Sale) per la lettura di carte di credito e Bancomat sono esempi di servizi di e–business • Più recentemente, con il WWW, si è assistito alla diffusione del servizio in maniera capillare; i siti commerciali offrono tour interattivi nei loro negozi virtuali • In rete possono essere acquistati — con transazioni sicure — libri, cd musicali, dvd, magliette, generi alimentari, che vengono rapidamente recapitati a domicilio

32. Commercio elettronico in Italia • Nella sua accezione più sommaria, il commercio elettronico è il risultato di un insieme di transazioni commerciali svolte attraverso un processo telematico • Tuttavia, il Ministero dell’Industria, del Commercio e dell’Artigianato lo definisce come… • «L'E-Commerce […] consiste nello svolgimento di attività commerciali e di transazioni per via elettronica e comprende attività diverse quali: la commercializzazione di beni e servizi per via elettronica, la distribuzione on-line di contenuti digitali, l'effettuazione per via elettronica di operazioni finanziarie e di borsa, gli appalti pubblici per via elettronica ed altre procedure di tipo transattivo della pubblica Amministrazione » • Le società multinazionali per tecnologiche avanzate (come Cisco e Oracle) sono state tra le prime che hanno trasferito i loro acquisti e gran parte delle loro vendite sul Web

33. Sicurezza in rete • Dalla rapida crescita delle transazioni economiche sulla rete proviene la necessità di incrementare la sicurezza; se un hackerrubasse i numeri delle carte di credito usate per acquisti on–line o ottenesse l’accesso agli archivi di una banca, potrebbero verificarsi perdite economiche catastrofiche • La sicurezza in rete coinvolge:  il problema dell’autenticazione (verifica dell’identità di chi effettua la transazione)  il problema della crittazione/decrittazione(per la sicurezza dell’informazione durante la trasmissione)  la tolleranza ai guasti (per la sicurezza delle transazioni in presenza di guasti software/hardware)

34. Ricerca di informazione sul Web

35. Perché non è facile trovare informazione sul Web? • Enorme massa di informazione — 20 miliardi di pagine (stimate), 48 milioni nel Web italiano, 3 milioni di pagine aggiunte ogni giorno; il Web raddoppia ogni 2 anni • L’informazione è spesso accessibile solo attraverso maschere di ricerca • I motori di ricerca indicizzano le pagine con circa 15 giorni di ritardo • Poca o nessuna possibilità di personalizzare gli strumenti di ricerca

36. Il modello a papillon Modello generato dalla raccolta di 200 milioni di pagine Il raggio del “core” è stimato pari a 19 clic

37. Deep Web • Il deep Web è rappresentato da tutti i siti inaccessibili ai motori di ricerca tradizionali: 500 miliardi di documenti racchiusi in oltre 100.000 siti che permettono di accedere dinamicamente ad informazioni strutturate nei propri archivi • I motori di ricerca censiscono solo le singole pagine statiche dei siti, e cioè il surface Web

38. Che tipo di informazione si trova sul Web? • Le homepage di 2500 server Web sono state classificate manualmente  83% siti commerciali • Il numero di siti su argomenti specifici è abbastanza piccolo; è perciò possibile creare motori di ricerca verticali relativi ad un singolo argomento • Il 65% dei siti è in inglese • Circa il 7% degli utenti Internet sono di lingua tedesca,  il 51% parlano inglese, e poco più del 7% sono giapponesi

39. Motori di ricerca • Ve ne sono probabilmente + di 3000, ma i 20 più usati coprono il 98% di tutte le ricerche • Architettura dei motori di ricerca: • Web crawler: colleziona documenti di testo, html, etc. • Indexer: indicizza alcune delle pagine raccolte e, a fronte di ogni interrogazione, fornisce una serie di documenti in ordine di importanza • Query engine: effettua le query sul database locale • Query interface: realizza l’interfaccia per la formulazione delle interrogazioni

40. Confrontare i motori di ricerca • Criteri di valutazione • Indicizzazione delle pagine • Copertura • Freschezza dell’informazione • Velocità • Affidabilità • Facilità di utilizzo

41. Come i Web navigator usano i motori di ricerca • Le interrogazioni fatte in base ad un’unica chiave di ricerca sono il 50%, mentre l’1% dei termini più usati è presente nel 10% delle interrogazioni • La categoria “sesso” è nettamente la più richiesta • Per una data ricerca, ciascun utente effettua, in media, 4.87 query • In media, vengono utilizzati 2.11 termini per ricerca; nei normali database, le interrogazioni sono tra 3 e 7 volte più articolate • Gli operatori booleani (ande or) sono usati 1 volta ogni 15 query, ma il 33% delle volte non sono immessi in modo corretto • I modificatori (+, , “ ”) sono usati 1 volta ogni 9 query, ma il 75% delle volte l’utilizzo è scorretto

42. Informazione non reperibile dai motori di ricerca • L’hiddenWeb, è il Web nascosto dietro maschere di ricerca o firewall • Porzioni di Web non raggiungibili dalle altre pagine (pagine mai puntate dall’esterno) • Pagine a cui i robot dei motori di ricerca non possono accedere a causa dei “Robots exclusion standards” • Il Web dinamico (deep Web), che varia più velocemente della frequenza di aggiornamento dei database dei motori di ricerca

43. Perché i motori non indicizzano tutto il Web? • Limiti tecnologici a) Banda/tempo per effettuare il download b) Spazio su disco per memorizzare l’informazione Vi è un limite oltre il quale non è economicamente conveniente indicizzare di più…  Soluzione:Motori di ricerca specializzati, portali verticali

44. Una generazione avanti: Google • Google tiene in considerazione l’informazione topologica inclusa nell’ipergrafo del Web • PageRank, il metodo di indicizzazione utilizzato da Google, usa concetti simili a quelli classici dell’editoria cartacea per valutare l’importanza di una pagina; tiene conto di… • …quanti link puntano ad una pagina per deciderne l’importanza • inoltre, link da pagine popolari sono più importanti • Esamina il testo dei link della pagina per valutare la necessità di sondarli in relazione alla stessa interrogazione • Google indicizza più di 8 miliardi di pagine (gennaio 2005): raggiunge così un numero di elementi web ricercabili che supera quello di qualsiasi altro concorrente