Baby Monitor Timmy অডিও ও ভিডিও পাঠানোর আগে, দুটি ডিভাইসকে একে অপরকে খুঁজে পেতে এবং বিশ্বাস করতে হয়। এই পেয়ারিং ধাপটি পুরো প্রক্রিয়ার সবচেয়ে গুরুত্বপূর্ণ মুহূর্ত। এখানে আমি ব্যাখ্যা করেছি Timmy কীভাবে পেয়ার করে, এর পেছনে কোন ক্রিপ্টোগ্রাফি কাজ করে এবং কাছাকাছি থাকা কোনো আক্রমণকারী কেন কারও নজরে না পড়ে সংযোগটি দখল করতে পারে না।
সমস্যা: আমার ডিভাইস কীভাবে জানে, সে কার সঙ্গে কথা বলছে?
দুটি ডিভাইস প্রথমবার সংযুক্ত হলে মূল প্রশ্নটি হলো: ডিভাইস A কি সত্যিই ডিভাইস B-এর সঙ্গে কথা বলছে, নাকি মাঝখানে কেউ আছে? ক্রিপ্টোগ্রাফিতে একে বলা হয় ম্যান-ইন-দ্য-মিডল আক্রমণ (MITM)।
Timmy সমস্যাটি সমাধান করে Firebase-এর মাধ্যমে পরিচালিত একটি Elliptic Curve Diffie-Hellman (ECDH) কী এক্সচেঞ্জ এবং এর সঙ্গে যুক্ত ব্যবহারকারীর চোখে দেখে যাচাই ব্যবহার করে।.
নিচের চিত্রে পুরো পেয়ারিং প্রক্রিয়াটি এক নজরে দেখানো হয়েছে:
sequenceDiagram
autonumber
participant A as 📱 Device A
participant F as ☁️ Firebase
participant B as 📱 Device B
Note over A,B: Phase 1 — Discovery
A->>A: Generate ECDH key pair (P-256)
B->>B: Generate ECDH key pair (P-256)
alt Auto-Pairing (Nearby BLE)
A-->>B: BLE broadcast: SBM:XKQM
B-->>A: BLE broadcast: SBM:R7NP
Note over A,B: Lower code wins → determines creator/joiner
else Manual Pairing
A->>A: Display 4-char code
Note right of A: User reads code
B->>B: User enters code
end
Note over A,B: Phase 2 — ECDH Key Exchange
A->>F: Write public key (PubA) to meeting doc
B->>F: Write public key (PubB) to meeting doc
F-->>B: Read PubA
F-->>A: Read PubB
Note over A,B: Phase 3 — Shared Secret
A->>A: sharedSecret = ECDH(privA, PubB)
B->>B: sharedSecret = ECDH(privB, PubA)
Note over A,B: Both compute identical 32-byte secret
A->>A: SAS = SHA-256("sas:" + sort(PubA,PubB) + secret) → 2-digit number
B->>B: SAS = SHA-256("sas:" + sort(PubA,PubB) + secret) → 2-digit number
Note over A,B: Phase 4 — Visual Verification
A->>A: Display SAS: 42
B->>B: Display SAS: 42
Note over A,B: 👤 User compares numbers on both screens
A->>A: User confirms ✓
B->>B: User confirms ✓
Note over A,B: Phase 5 — Key Derivation
A->>A: pairingKey = SHA-256("pair:" + secret)
B->>B: pairingKey = SHA-256("pair:" + secret)
A->>A: docKey = SHA-256("doc:" + pairingKey)
A->>A: encKey = SHA-256("enc:" + pairingKey)
Note over A,B: ✅ Paired — all future signaling encrypted with AES-256-GCM
সম্পূর্ণ পেয়ারিং প্রোটোকল সিকোয়েন্স — সম্পাদনাযোগ্য উৎস: docs/diagrams/pairing-sequence.mmd
ধাপ 1: প্রতিটি ডিভাইস একটি কী জোড়া তৈরি করে
পেয়ারিং স্ক্রিন খোলার সময়, প্রতিটি ডিভাইস একটি অস্থায়ী ECDH কী জোড়া P-256 কার্ভে (secp256r1) তৈরি করে:
- একটি প্রাইভেট কী — শুধু ডিভাইসেই থাকে
- একটি পাবলিক কী — Firebase-এর মাধ্যমে বিনিময় করা হয়
কীগুলো ক্রিপ্টোগ্রাফিকভাবে নিরাপদ র্যান্ডম নম্বর জেনারেটর ব্যবহার করে তৈরি করা হয় (Random.secure())
এবং এগুলো শুধু এই একবারের পেয়ারিং চেষ্টার জন্য বৈধ. প্রতিটি নতুন চেষ্টার জন্য নতুন কী তৈরি হয়।
ধাপ 2: Firebase-এর মাধ্যমে পাবলিক কী বিনিময়
দুটি ডিভাইস যাতে একে অপরকে খুঁজে পায়, Timmy একটি 4-অক্ষরের কোড মিলনের জায়গা হিসেবে ব্যবহার করে। এই কোডটি Nearby Connections (Bluetooth Low Energy)-এর মাধ্যমে স্বয়ংক্রিয়ভাবে পাওয়া যায় বা হাতে লিখে দেওয়া যায়। এর কোনো ক্রিপ্টোগ্রাফিক মূল্য নেই; এটি শুধু দুটি ডিভাইসকে একই Firebase Firestore ডকুমেন্ট খুঁজে পেতে সাহায্য করে।
দুটি ডিভাইস কোডটি জানার পর, প্রত্যেকটি তার পাবলিক ECDH কী একটি শেয়ার করা Firestore ডকুমেন্টেলেখে। এরপর প্রতিটি ডিভাইস সেই ডকুমেন্ট থেকে অন্য ডিভাইসের পাবলিক কী পড়ে।
গুরুত্বপূর্ণ বিষয়: শুধু পাবলিক কী পাঠানো হয়। প্রাইভেট কী কখনো ডিভাইসের বাইরে যায় না। Firebase ট্র্যাফিক দেখলেও কেউ পাবলিক কী দেখতে পায়, কিন্তু সেখান থেকে শেয়ার করা সিক্রেট গণনা করতে পারে না । এটি নির্ভর করে Elliptic Curve Discrete Logarithm Problem (ECDLP)-এর কঠিনতার ওপর।
ধাপ 3: শেয়ার করা সিক্রেট গণনা
দুটি ডিভাইস একে অপরের পাবলিক কী পাওয়ার পর, তারা আলাদাভাবে একই শেয়ার করা সিক্রেট:
sharedSecret = ECDH(myPrivateKey, remotePublicKey)
→ 32 bytes (identical on both devices)
গণনা করে। এলিপটিক কার্ভের গণিত নিশ্চিত করে যে দুই হিসাবের ফল একই হবে, যদিও প্রতিটি ডিভাইস কেবল নিজের প্রাইভেট কী এবং অন্যটির পাবলিক কী জানে।
ধাপ 4: যাচাই নম্বর (SAS)
শেয়ার করা সিক্রেট থেকে একটি Short Authentication String (SAS) তৈরি হয় — দুটি ডিভাইসেই দেখানো একটি দুই অঙ্কের নম্বর:
hash = SHA-256("sas:" + sort(pubkeyA, pubkeyB) + sharedSecret)
number = (hash[0] × 256 + hash[1]) mod 100 → 00 to 99
দুই ডিভাইসেই একই নম্বর দেখা যায় — যেমন, 42. ব্যবহারকারী স্ক্রিন দুটিতে নম্বর মিলছে কি না চোখে দেখে তুলনা করেন, তারপর প্রতিটি ডিভাইসে আলাদাভাবে নিশ্চিত করেন।
কেন একজন আক্রমণকারী এটি জাল করতে পারে না
একজন ম্যান-ইন-দ্য-মিডল আক্রমণকারীকে Firebase-এ কী এক্সচেঞ্জ আটকাতে হবে। বিশেষ করে, তাকে:
- Firestore ডকুমেন্টে রাখা আসল পাবলিক কীগুলোর বদলে নিজের কী বসাতে হবে
- প্রতিটি ডিভাইসের সঙ্গে আলাদা শেয়ার করা সিক্রেট তৈরি করতে হবে
sequenceDiagram
autonumber
participant A as 📱 Device A
participant M as 🕵️ Attacker (MITM)
participant B as 📱 Device B
Note over A,B: Attacker intercepts the Firebase key exchange
A->>A: Generate key pair (privA, PubA)
B->>B: Generate key pair (privB, PubB)
M->>M: Generate TWO key pairs (privM1, PubM1) + (privM2, PubM2)
A->>M: Write PubA to Firebase
M->>M: Replace PubA with PubM1
M->>B: B reads PubM1 (thinks it is PubA)
B->>M: Write PubB to Firebase
M->>M: Replace PubB with PubM2
M->>A: A reads PubM2 (thinks it is PubB)
Note over A,B: Each device computes a DIFFERENT shared secret
A->>A: secret_A = ECDH(privA, PubM2)
M->>M: secret_A = ECDH(privM2, PubA)
M->>M: secret_B = ECDH(privM1, PubB)
B->>B: secret_B = ECDH(privB, PubM1)
Note over A,M: secret_A ≠ secret_B
A->>A: SAS_A = SHA-256("sas:" + sort(PubA,PubM2) + secret_A) → 73
B->>B: SAS_B = SHA-256("sas:" + sort(PubM1,PubB) + secret_B) → 18
rect rgb(255, 230, 230)
Note over A,B: ❌ User sees DIFFERENT numbers!
A->>A: Display: 73
B->>B: Display: 18
Note over A,B: 👤 User notices mismatch → cancels pairing
end
Note over A,B: 🛡️ Attack detected — MITM cannot force SAS match (P = 1/100)
SAS অমিলের মাধ্যমে ম্যান-ইন-দ্য-মিডল শনাক্তকরণ — সম্পাদনাযোগ্য উৎস: docs/diagrams/mitm-detection.mmd
এক্ষেত্রে আক্রমণকারী একটি শেয়ার করা সিক্রেট গণনা করে S_A ডিভাইস A-এর সঙ্গে এবং একটি
ভিন্ন শেয়ার করা সিক্রেট S_B ডিভাইস B-এর সঙ্গে। যেহেতু S_A ≠ S_B,
ডিভাইসগুলো ভিন্ন যাচাই নম্বর.
গণনা করে। আক্রমণকারী নম্বর দুটি মেলাতে পারে না, কারণ:
- তারা ডিভাইসগুলোর প্রাইভেট কী জানে না
- SHA-256 উল্টে বের করা যায় না
- এলোমেলোভাবে মিলে যাওয়ার সম্ভাবনা মাত্র 100টির মধ্যে 1টি
ব্যবহারকারী স্ক্রিনে ভিন্ন নম্বর দেখেন এবং পেয়ারিং বাতিল করেন। তখন আক্রমণটি দৃশ্যমান হয়ে গেছে।
ধাপ 5: পেয়ারিং সম্পন্ন করা
ব্যবহারকারী দুটি ডিভাইসেই যাচাই নিশ্চিত করার পরেই পেয়ারিং সম্পন্ন হয়:
- একটি 64-অক্ষরের পেয়ারিং কী (256 বিট) শেয়ার করা সিক্রেট থেকে তৈরি হয়:
SHA-256("pair:" + sharedSecret) → pairingKey - ডকুমেন্ট কী তৈরি করা হয়
SHA-256("doc:" + pairingKey)হিসেবে এবং এটি Firestore ডকুমেন্ট কী হিসেবে কাজ করে - এনক্রিপশন কী তৈরি করা হয়
SHA-256("enc:" + pairingKey)হিসেবে এবং এটি এনক্রিপ্টেড সিগন্যালিংয়ের জন্য AES-256-GCM কী দেয় - দুটি ডিভাইস একই পেয়ারিং কী সংরক্ষণ করে এবং মোড বাছাইয়ের পর্দায় যায়
এর পর থেকে পরবর্তী সব সংযোগের চেষ্টা (Firestore সিগন্যালিং, WebRTC সেটআপ) শেয়ার করা AES-256-GCM কী দিয়ে এনক্রিপ্ট করা হয়। পেয়ারিং কীটি কখনো ব্যাকএন্ডে পাঠানো হয় না; শুধু এর SHA-256 হ্যাশ ডকুমেন্ট শনাক্তকারী হিসেবে ব্যবহার করা হয়।
সিস্টেম আর্কিটেকচার
নিচের চিত্রে পেয়ারিং ও যোগাযোগে যুক্ত উপাদানগুলো দেখানো হয়েছে:
flowchart TB
BABY["📱 Baby Phone
Baby Mode"]
PARENT["📱 Parent Phone
Parent Mode"]
BABY <==>|"🔒 WebRTC Peer-to-Peer · DTLS-SRTP
Audio · Video · DataChannel"| PARENT
BABY -.-|"🔵 Bluetooth LE · Nearby
Auto-Discovery"| PARENT
subgraph FIREBASE["☁️ Firebase (Google Cloud)"]
direction LR
AUTH["🪪 Anonymous
Authentication"]
FS["📄 Firestore
Pairing + Signaling"]
CF["⚡ Cloud Functions
getTurnCredentials"]
end
BABY <-->|"🔐 AES-256-GCM encrypted
SDP · ICE · ECDH keys"| FS
FS <-->|"🔐 AES-256-GCM encrypted
SDP · ICE · ECDH keys"| PARENT
BABY -.->|Token| AUTH
PARENT -.->|Token| AUTH
STUN["📡 STUN server
stun.cloudflare.com:3478"]
TURN["🔄 TURN relay
local or Cloudflare"]
BABY & PARENT -->|Short-lived credentials| CF
CF -->|local first, Cloudflare fallback| TURN
BABY & PARENT -.->|NAT Traversal| STUN
BABY -.->|"Relay Fallback"| TURN
TURN -.->|"Relay Fallback"| PARENT
style BABY fill:#FBF6F0,stroke:#B5734A,stroke-width:2px
style PARENT fill:#FBF6F0,stroke:#B5734A,stroke-width:2px
style FIREBASE fill:#fff5f5,stroke:#E9B44C,stroke-width:2px
style AUTH fill:#E9B44C,stroke:#2B2D42
style FS fill:#E9B44C,stroke:#2B2D42
style CF fill:#E9B44C,stroke:#2B2D42
style STUN fill:#F6E3D2,stroke:#B5734A
style TURN fill:#7BC47F,stroke:#2B2D42
সিস্টেম আর্কিটেকচারের সারসংক্ষেপ — সম্পাদনাযোগ্য উৎস: docs/diagrams/pairing-architecture.mmd
যোগাযোগের পথগুলো বিস্তারিতভাবে:
- WebRTC পিয়ার-টু-পিয়ার (মোটা লাইন): অডিও, ভিডিও এবং DataChannel সরাসরি ডিভাইসগুলোর মধ্যে যায় — DTLS-SRTP দিয়ে এনক্রিপ্ট করা। কোনো সার্ভার এই ডেটা দেখে না।
- Firebase Firestore (নিরবচ্ছিন্ন লাইন): পেয়ারিং ডেটা (ECDH কী) এবং সিগন্যালিং (SDP/ICE) Firestore-এর মাধ্যমে যায় — AES-256-GCM দিয়ে এন্ড-টু-এন্ড এনক্রিপ্ট করা। Firebase ডেটা ডিক্রিপ্ট করতে পারে না।
- STUN সার্ভার: দুটি ডিভাইসই তাদের পাবলিক IP ঠিকানা খুঁজে পায়, যাতে সরাসরি পিয়ার-টু-পিয়ার সংযোগ স্থাপন করা যায়।
- TURN রিলে: সরাসরি সংযোগ সম্ভব না হলে (যেমন মোবাইল ডেটায়), নির্বাচিত স্থানীয় বা Cloudflare TURN সার্ভার এনক্রিপ্ট করা মিডিয়া রিলে করে। 24 ঘণ্টার স্বল্পমেয়াদি ক্রেডেনশিয়াল Firebase Cloud Functions-এর মাধ্যমে আনা হয়।
- Bluetooth LE (বিন্দুযুক্ত লাইন): Nearby Connections কাছাকাছি থাকা ডিভাইস স্বয়ংক্রিয়ভাবে খুঁজে পায় — শুধু মিলন কোড পাঠানো হয়, কোনো কী উপাদান নয়।
বিকল্প: হাতে কোড দেওয়া
Bluetooth না থাকলে (যেমন পুরোনো ডিভাইসে), 4-অক্ষরের কোডটি হাতেও টাইপ করা যায়। হাতে দেওয়ার ক্ষেত্রে একই ECDH কী এক্সচেঞ্জ ও একই SAS যাচাই ব্যবহার করা হয়, স্বয়ংক্রিয় পেয়ারিংয়ের মতোই। পার্থক্য শুধু এই যে BLE দিয়ে খুঁজে পাওয়ার বদলে ব্যবহারকারী কোডটি পড়েন ও টাইপ করেন।
দুই ক্ষেত্রেই ECDH কী এক্সচেঞ্জ Firebase-এর মাধ্যমে হয় বলে নিরাপত্তা একই. 4-অক্ষরের কোডটি শুধু মিলনস্থল; আসল এনক্রিপশন ECDH থেকে পাওয়া 256-বিট কী-এর ওপর নির্ভর করে।
সারসংক্ষেপ
| নিরাপত্তা ব্যবস্থা | যার বিরুদ্ধে সুরক্ষা দেয় |
|---|---|
| ECDH কী এক্সচেঞ্জ (P-256) | কী এক্সচেঞ্জের ট্র্যাফিকে আড়ি পাতা |
| অস্থায়ী কী জোড়া | ফরওয়ার্ড সিক্রেসি — আগের পেয়ারিং নিরাপদ থাকে |
| ভিজ্যুয়াল যাচাই নম্বর (SAS) | কী এক্সচেঞ্জের সময় ম্যান-ইন-দ্য-মিডল (MITM) |
| ডকুমেন্ট কী হিসেবে SHA-256 হ্যাশ | Firestore থেকে কোড বের করা |
| AES-256-GCM এনক্রিপশন | সিগন্যালিং ডেটায় আড়ি পাতা |
| দুই পক্ষের নিশ্চিতকরণ | ব্যবহারকারীর অজান্তে একপক্ষীয় পেয়ারিং |
| DTLS-SRTP (WebRTC) | অডিও/ভিডিওতে আড়ি পাতা |
এই স্তরগুলো একসঙ্গে কাজ করে: ECDH কী এক্সচেঞ্জ সুরক্ষিত রাখে, যাচাই নম্বর MITM থেকে রক্ষা করে, AES-256-GCM সিগন্যালিং সুরক্ষিত রাখে এবং WebRTC মিডিয়া সুরক্ষিত রাখে। কোনো আক্রমণকারীকে ডিভাইস বা অভিভাবকের চোখে না পড়েই এই শৃঙ্খলটি কয়েক জায়গায় ভাঙতে হবে।