Conceitos de VoIP

1. Definição e Contexto Histórico

VoIP (Voice over IP) é o conjunto de tecnologias que permite a transmissão de voz humana (e outros fluxos de mídia em tempo real, como vídeo e mensagens instantâneas) sobre redes que utilizam o protocolo IP. Em vez de usar circuitos dedicados da telefonia tradicional (PSTN — Public Switched Telephone Network), o VoIP digitaliza o sinal analógico, comprime os dados e os encapsula em pacotes IP, que trafegam pela mesma infraestrutura usada para dados comuns.

O primeiro experimento prático ocorreu em 1973, com o Network Voice Protocol (NVP) sobre a ARPANET, mas só a partir de 1995, com a Vocaltec Internet Phone, o VoIP ganhou uso comercial. A popularização em larga escala veio com o Skype (2003), o SIP corporativo e os serviços WebRTC modernos (Google Meet, Microsoft Teams, Zoom).

2. Pilha de Protocolos

O VoIP não é um único protocolo, mas uma pilha que separa funções de sinalização (controle de chamada) e transporte de mídia (payload de voz). A arquitetura é composta por:

A separação entre sinalização e mídia é crítica: a sinalização pode seguir por caminhos TCP confiáveis e a mídia, por UDP com baixo overhead, permitindo que cada fluxo use o melhor caminho disponível.

3. Componentes de uma Arquitetura VoIP

Uma infraestrutura VoIP típica contém os seguintes elementos:

• User Agent (UA): O softphone ou telefone IP do usuário. Pode atuar como UAC (origem) ou UAS (destino).
• Servidor SIP (SIP Server): Pode assumir os papéis de Registrar, Proxy e Redirect. Trata o roteamento de chamadas e a localização dos usuários.
• Gateway de Mídia: Faz a ponte entre a rede IP e o PSTN, convertendo entre pacotes RTP e canais TDM (E1/T1).
• Gateway de Sinalização: Traduz entre SIP, H.323, ISUP (SS7) e outros protocolos legados.
• Gatekeeper (H.323): Controla admissão de chamadas e tradução de endereços no padrão H.323.
• MCU (Multipoint Control Unit): Faz a multiplexação de múltiplos fluxos em conferências, misturando áudio e vídeo.
• STUN/TURN/ICE Server: Auxilia na travessia de NAT para chamadas entre hosts em redes privadas.

4. Requisitos em Tempo Real

A voz humana é intolerante a atrasos. Para uma conversação natural, os seguintes limites são aceitos como referência técnica:

Para mitigar esses efeitos, o VoIP usa jitter buffers adaptativos, codecs com redundância (como o Opus em modo DTX/FEC) e mecanismos de correção de erro como o PLC (Packet Loss Concealment).

5. Codecs de Voz

A escolha do codec impacta diretamente o consumo de banda e a qualidade percebida. A qualidade é medida em MOS (Mean Opinion Score), variando de 1 (péssimo) a 5 (excelente).

O Opus (RFC 6716) tornou-se o padrão de facto para novas implementações por sua capacidade de adaptar dinamicamente bitrate e largura de banda ao estado da rede.

6. Sinalização: SIP

O SIP (Session Initiation Protocol), definido na RFC 3261, é o protocolo de sinalização dominante. Ele é baseado em texto, semelhante ao HTTP, e opera com métodos como INVITE, ACK, BYE, REGISTER, OPTIONS, CANCEL e SUBSCRIBE. Um fluxo básico de chamada é:

Alice              Proxy SIP            Bob
  |----REGISTER---->|                     |
  |<-----200 OK-----|                     |
  |----INVITE------>|----INVITE---------->|
  |                 |<--------180 Ringing|
  |<--180 Ringing---|                     |
  |                 |<---------200 OK-----|
  |<-----200 OK-----|                     |
  |-------ACK------>|-------ACK---------->|
  |======== MÍDIA RTP BIDIRECIONAL ======|
  |-------BYE------>|-------BYE--------->|
  |<-----200 OK-----|<-------200 OK------|

As mensagens SIP carregam também o SDP (Session Description Protocol), usado para negociar codecs, portas RTP, endereços IP e atributos de mídia.

7. Transporte de Mídia: RTP e RTCP

O RTP (Real-time Transport Protocol), RFC 3550, encapsula os pacotes de áudio/video com timestamps e números de sequência, permitindo que o receptor reconstrua a ordem original e detectar perdas. O RTCP (RTP Control Protocol) atua em paralelo, enviando relatórios periódicos com estatísticas de jitter, perda e RTT, permitindo que o emissor ajuste o bitrate dinamicamente.

8. QoS para VoIP

Em redes compartilhadas, o VoIP precisa de tratamento prioritário. As técnicas usuais são:

• DSCP / TOS: Marcação dos pacotes RTP com EF (Expedited Forwarding) no campo DSCP.
• LLQ (Low Latency Queueing): Fila prioritária estrita em roteadores Cisco.
• Policing: Limitação da banda de sinalização para evitar floods de INVITE (defesa contra toll fraud).
• CAC (Call Admission Control): Limita o número de chamadas simultâneas para evitar congestão.

9. Desafios de Segurança

Por usar IPs e portas públicas, o VoIP herda toda a superfície de ataque da rede IP, somada a vulnerabilidades específicas:

• Toll Fraud: Invasor usa um PBX comprometido para fazer chamadas internacionais a custo da vítima.
• Vishing (Voice Phishing): Uso de ENUM/SIP falsos para se passar por instituições.
• Eavesdropping: Captura de RTP sem criptografia com Wireshark reconstrói o áudio.
• SPIT (Spam over Internet Telephony): Inundações de chamadas automáticas.
• DoS em SIP: INVITE flood ou REGISTER flood derrubam o softswitch.

A mitigação inclui SRTP (RTP criptografado), TLS para sinalização SIP, IPsec entre PBXs e firewalls de aplicação SIP-aware.

10. Resumo Técnico

11. Conclusão

O VoIP substituiu quase totalmente a telefonia tradicional porque opera sobre a infraestrutura IP existente, reduz custos de longo, integra voz, vídeo e dados em uma única arquitetura unificada e é extremamente escalável. Entender seus conceitos fundamentais — separação entre sinalização e mídia, codecs, requisitos de tempo real, QoS e segurança — é pré-requisito para projetar qualquer rede moderna que transporte comunicação de voz ou vídeo.