Ein Telefonat mit Wireshark mitschneiden: SIP und RTP lesen

Ein Anruf zwischen zwei IP-Telefonen besteht aus zwei Teilen. SIP baut das Gespräch auf und ab: Wer ruft wen an, klingelt es, wurde abgenommen. RTP überträgt die Sprache selbst, 50 kleine Pakete pro Sekunde und Richtung. Mit einem Mitschnitt sieht man beides schwarz auf weiß. Das hilft bei der Fehlersuche, wenn es nicht klingelt, die Sprache nur in eine Richtung geht oder knackt. Dieser Beitrag schneidet zwei Anrufe an einer Asterisk-Anlage mit und liest sie in Wireshark aus.

Wo mitschneiden?

Ein Switch schickt jedes Paket nur an den Port, an dem das Ziel hängt. Ein Mitschnitt auf dem eigenen Laptop sieht deshalb fremde Telefonate nicht. Am einfachsten schneidet man direkt auf der Telefonanlage mit, denn über sie läuft jedes SIP-Paket.

OrtSieht
Telefonanlage (tcpdump)Alle SIP-Nachrichten. RTP nur, wenn die Sprache über die Anlage läuft (siehe unten).
Spiegelport am Switch (Port Mirroring)Alles, was über den gespiegelten Port eines Telefons läuft, auch direktes RTP
Eigener LaptopNur eigenen Verkehr, z. B. den eines Softphones

Schritt 1: Mitschnitt auf der Anlage

Asterisk nutzt für SIP den UDP-Port 5060 und für RTP den Bereich aus rtp.conf, meist 10000–20000.

grep -E "rtpstart|rtpend" /etc/asterisk/rtp*.conf      # RTP-Portbereich nachsehen

# höchstens 10 Minuten mitschneiden, nur SIP und RTP
timeout 600 tcpdump -i eth0 -n -s0 -U -w /tmp/anruf.pcap \
  'udp port 5060 or udp portrange 10000-20000'
#  -s0  ganze Pakete (sonst fehlt die Sprache)
#  -U   sofort schreiben, damit bei Abbruch nichts verloren geht

Während der Mitschnitt läuft, zwei Testanrufe machen: einen, der angenommen wird, und einen, bei dem niemand abnimmt und die Mailbox übernimmt. Danach mit Strg+C beenden und die Datei per scp auf den eigenen Rechner holen.

Schritt 2: Den Anruf als Leiter anzeigen

In Wireshark unter Telefonie → VoIP-Anrufe erscheinen alle Gespräche mit Von, An, Dauer und Status. Markieren und Flussfolge anklicken zeigt den Ablauf als Leiterdiagramm. Hier der angenommene Anruf von Nebenstelle 203 an 205, gekürzt:

Zeit   Telefon 203        Anlage 192.0.2.50        Telefon 205
 0,00   INVITE ─────────────►
 0,00   ◄───────── 401 Unauthorized
 0,03   ACK ────────────────►
 0,05   INVITE (mit Anmeldung) ►
 0,05   ◄───────── 100 Trying
 0,06                          INVITE ───────────────►
 0,09                          ◄─────────── 100 Trying
 0,27                          ◄─────────── 180 Ringing
 0,28   ◄───────── 180 Ringing
 6,04                          ◄─────────── 200 OK
 6,04                          ACK ──────────────────►
 6,05   ◄───────── 200 OK
 6,10   ACK ────────────────►
        ═══════ 14 Sekunden Gespräch (RTP) ═══════
20,54                          ◄─────────── BYE
20,55   ◄───────── BYE         200 OK ───────────────►
20,65   200 OK ─────────────►
NachrichtBedeutung
INVITE„Ich möchte dich anrufen.“ Im Anhang (SDP) stehen IP, Port und die gewünschten Sprachformate.
401 UnauthorizedKein Fehler: Die Anlage verlangt eine Anmeldung. Das Telefon schickt das INVITE noch einmal, mit einem Hashwert aus Nebenstelle und Passwort (Digest-Verfahren).
100 Trying„Angekommen, ich kümmere mich.“ Verhindert, dass das Telefon das INVITE wiederholt.
180 RingingDas Ziel klingelt. Der Anrufer hört daraufhin den Freiton.
200 OK + ACKAbgenommen und bestätigt. Ab jetzt fließt die Sprache.
BYE + 200 OKEiner legt auf, die Gegenseite bestätigt.

Die Anlage ist kein Kabel, das Pakete nur durchreicht. Sie führt zwei getrennte Gespräche: eins mit dem Anrufer und eins mit dem Angerufenen. Das sieht man an den zwei verschiedenen Call-ID-Werten und daran, dass jede Seite ihr eigenes 200 OK und ACK bekommt. Fachbegriff: Back-to-Back User Agent (B2BUA).

Schritt 3: Der Anruf, den niemand annimmt

 0,00   INVITE ──► Anlage ──► INVITE ──► 205
 0,12              ◄── 180 Ringing ◄──
                   … 20 Sekunden Klingeln …
20,03              Anlage ──► CANCEL ──► 205
20,04              ◄── 200 OK  (für das CANCEL)
20,05              ◄── 487 Request Cancelled
20,05   ◄── 200 OK     (Anlage nimmt selbst ab: Mailbox)
        ═══ Ansage und Aufnahme, 18 Sekunden ═══
38,83   ◄── BYE

Nach 20 Sekunden (Wert aus Dial(PJSIP/205,20) im Wählplan) zieht die Anlage den Anruf mit CANCEL zurück. Telefon 205 bestätigt mit 487 Request Cancelled und hört auf zu klingeln. Danach nimmt die Anlage selbst ab und spielt die Mailbox-Ansage.

Schritt 4: Sprachformat aushandeln (SDP)

In jedem INVITE und jedem 200 OK steckt ein SDP-Teil. In Wireshark aufklappen: Session Initiation Protocol → Message Body.

c=IN IP4 192.0.2.50                 Sprache bitte an diese Adresse …
m=audio 14784 RTP/AVP 8 0 101       … an diesen Port, Formate in dieser Reihenfolge:
a=rtpmap:8 PCMA/8000                  8   = G.711 A-law (Europa)
a=rtpmap:0 PCMU/8000                  0   = G.711 µ-law (Nordamerika)
a=rtpmap:101 telephone-event/8000     101 = Tastentöne (DTMF) als eigene Pakete

Die Reihenfolge ist die Vorliebe des Absenders. Die Gegenseite wählt aus der Liste und antwortet im 200 OK mit dem, was sie nimmt.

Schritt 5: Sprachqualität messen und anhören

Telefonie → RTP → RTP-Datenströme listet jede Richtung als eigenen Strom. Aus dem Mitschnitt:

WertGemessenBedeutungGrenze für gute Sprache
Payloadg711ASprachformat, 64 kbit/s–
Mean Delta20,0 msAbstand zwischen zwei Paketengleichmäßig, wie ausgehandelt (meist 20 ms)
Max Jitter0,7 msSchwankung der Ankunftszeitunter 30 ms
Lost0–1 Paket (0,1 %)fehlende Sequenznummernunter 1 %

Ein einzelnes fehlendes Paket entspricht 20 ms Sprache und ist nicht zu hören. Wireshark markiert den Strom trotzdem mit einem X in der Spalte „Problems“. Erst ab mehreren Prozent Verlust oder Jitter über 30–50 ms wird die Sprache abgehackt.

Zum Anhören in VoIP-Anrufe die Gespräche markieren und auf Abspielen klicken. Wireshark setzt die G.711-Pakete wieder zu Ton zusammen, beide Richtungen getrennt.

So klingt es: Hier der Sprechteil aus dem Mailbox-Anruf, aus den RTP-Paketen des Mitschnitts zurückgewonnen. Die Mailbox-Ansage habe ich herausgeschnitten.

Telefonqualität: 8000 Abtastwerte pro Sekunde, nur Frequenzen bis etwa 3,4 kHz. Das Hörermikrofon liefert einen leisen Pegel, deshalb ist die Aufnahme nachträglich verstärkt. Die Tasten 1, 2, 3 am Ende hört man nicht. Das Telefon schickt sie nicht als Ton, sondern als eigene RTP-Pakete vom Typ telephone-event (Payload 101 aus dem SDP). In Wireshark tauchen sie als „RTP Event“ mit der gedrückten Ziffer auf. Im Mitschnitt stehen danach noch Pakete mit Event-Nummer 11: Das ist die Raute #, mit der man die Mailbox-Aufnahme beendet.

Ein Mitschnitt enthält das ganze Gespräch. Wer RTP mitschneidet, zeichnet Sprache auf, und Wireshark spielt sie mit einem Klick ab. Nur eigene Testanrufe mitschneiden oder vorher alle Beteiligten fragen. Die SIP-Anmeldung enthält kein Klartext-Passwort, aber einen Hashwert, der sich mit einem schwachen Passwort per Wörterbuch knacken lässt. Mitschnitte daher nicht veröffentlichen und nach der Auswertung löschen.

Typische Bilder im Mitschnitt

Im MitschnittBedeutung
Nur INVITE, keine Antwort, INVITE wird wiederholtAnlage nicht erreichbar: Firewall, falsche IP, fail2ban
Dauerhaft 401/403Falsches Passwort oder unbekannte Nebenstelle
404 Not FoundDie Nummer kennt der Wählplan nicht
486 Busy HereZiel besetzt
488 Not Acceptable HereKein gemeinsames Sprachformat
RTP nur in eine RichtungEinseitige Sprache: NAT, Firewall oder falsche IP im SDP
Kein RTP trotz 200 OKSprache läuft direkt zwischen den Telefonen an der Anlage vorbei, oder der Port ist gesperrt

SIP sagt, dass telefoniert wird, RTP was. Fehlt etwas, zeigt die Leiter in Wireshark, an welcher Stufe der Anruf hängen bleibt, und das SDP, wohin die Sprache hätte gehen sollen.