Antes de transmitir audio o vídeo, Baby Monitor Timmy necesita que los dos dispositivos se encuentren y comprueben con quién se están conectando. Aquí explico cómo Timmy empareja dos teléfonos, qué mecanismos criptográficos utiliza y cómo comparar el número de seguridad puede ayudar a detectar una manipulación del intercambio de claves.
El problema: ¿con quién se comunica mi dispositivo?
Cuando dos dispositivos se conectan por primera vez, hay una pregunta esencial: ¿el dispositivo A se comunica realmente con el B o hay alguien interpuesto? En criptografía, esto se conoce como un ataque de intermediario o man-in-the-middle (MITM).
Timmy combina un intercambio de claves Elliptic Curve Diffie–Hellman (ECDH) mediante Firebase con la comparación del número de seguridad en ambos dispositivos.
Este diagrama resume el proceso de emparejamiento:
Paso 1: cada dispositivo genera un par de claves
Al iniciar un nuevo emparejamiento, cada dispositivo genera un par de claves ECDH efímero en la curva P-256 (secp256r1):
- Una clave privada, que permanece en el dispositivo
- Una clave pública, que se intercambia mediante Firebase
Timmy utiliza Random.secure() para inicializar el generador aleatorio empleado en la creación de las claves. Cada par ECDH pertenece a ese intento de emparejamiento.
Paso 2: intercambiar las claves públicas mediante Firebase
Timmy utiliza un código de cuatro caracteres como punto de encuentro entre los dispositivos. La detección automática lo encuentra en la red local mediante DNS-SD/mDNS; también puedes introducirlo manualmente. El código determina qué documento de Firestore se usa para el intercambio de claves. Las claves criptográficas se generan por separado.
Una vez que ambos conocen el código, cada dispositivo escribe su clave pública ECDH en un documento compartido de Firestore. Después lee de ese documento la clave pública del otro dispositivo.
Durante el intercambio, cada dispositivo transmite su clave pública. La clave privada permanece en el dispositivo. Según los supuestos de seguridad de ECDH, conocer solo las claves públicas no permite calcular el secreto compartido con recursos computacionales razonables.
Paso 3: calcular un secreto compartido
Tras leer en Firebase la clave pública del otro, en un intercambio normal ambos dispositivos calculan por separado el mismo secreto compartido:
sharedSecret = ECDH(myPrivateKey, theirPublicKey)
→ 32 bytes (iguales en ambos dispositivos) Las propiedades matemáticas de las curvas elípticas hacen que ambos cálculos den el mismo resultado, aunque cada dispositivo solo conoce su propia clave privada y la clave pública del otro.
Paso 4: comparar el número de seguridad (SAS)
Cada dispositivo deriva una cadena corta de autenticación (SAS, Short Authentication String) a partir del secreto compartido y de las dos claves públicas. Timmy la muestra como un número de seguridad de dos cifras.
[pubkey1, pubkey2] = sort(publicKeysAsStrings)
prefix = UTF-8("sas:" + pubkey1 + ":" + pubkey2 + ":")
hash = SHA-256(prefix + sharedSecret)
number = (hash[0] × 256 + hash[1]) mod 100 → de 00 a 99 En un intercambio normal, los dos dispositivos muestran el mismo número, por ejemplo 42. Compara los números de las pantallas y confirma por separado en cada dispositivo si coinciden y si querías emparejarlos.
Cómo ayuda el número de seguridad a detectar una manipulación
Si un atacante puede sustituir las claves públicas utilizadas en el intercambio, podría intentar establecer un secreto distinto con cada dispositivo:
- Interceptar y sustituir las claves públicas auténticas en Firebase
- Utilizar sus propios pares de claves para realizar un intercambio independiente con cada dispositivo
En este ejemplo, el atacante establece el secreto S_A con el dispositivo A y otro secreto, S_B, con el B. Los dispositivos muestran 73 y 18, respectivamente. La comparación de las pantallas puede revelar esa diferencia.
Dos intercambios diferentes también pueden producir el mismo número de dos cifras. Por tanto, el número es una comprobación adicional. Cancela el emparejamiento si los números no coinciden o si la solicitud es inesperada.
Paso 5: completar el emparejamiento
Cada dispositivo completa su parte después de que confirmes en ese dispositivo:
- Derivar del secreto compartido una clave de emparejamiento representada por 64 caracteres hexadecimales:
SHA-256("pair:" + sharedSecret) → pairingKey - Derivar la clave del documento de Firestore a partir de la clave de emparejamiento:
SHA-256("doc:" + pairingKey) → documentKey - Utilizar otro hash para derivar la clave AES-256-GCM de la señalización cifrada:
SHA-256("enc:" + pairingKey) → encryptionKey - Cada dispositivo guarda localmente los datos de emparejamiento derivados. En un intercambio normal, ambos derivan la misma clave después de que confirmes en cada dispositivo.
En las sesiones posteriores, AES-256-GCM protege los datos SDP y el texto de los candidatos ICE en Firestore. En el proceso descrito, la clave de emparejamiento permanece en el dispositivo. De ella se deriva un identificador de documento independiente para el enrutamiento. WebRTC protege el tráfico multimedia por separado.
Del emparejamiento a la transmisión
La detección local, Firestore y WebRTC cumplen tareas diferentes. El siguiente diagrama distingue las rutas de los datos: desde encontrar el código y realizar el intercambio de claves hasta transmitir audio y vídeo.
Las rutas de comunicación en detalle:
- WebRTC: DTLS-SRTP protege el audio y el vídeo. El DataChannel utiliza DTLS. El tráfico puede circular directamente entre los dispositivos.
- Firebase Firestore: durante el emparejamiento transmite las claves públicas ECDH. En las sesiones posteriores transporta los datos SDP y el texto de los candidatos ICE protegidos con AES-256-GCM. Los campos técnicos pueden almacenarse por separado.
- STUN: ayuda a los dispositivos a identificar las asignaciones de direcciones y puertos visibles desde el exterior. ICE comprueba las posibles rutas para la conexión.
- Retransmisión TURN: reenvía el tráfico WebRTC protegido cuando se necesita un servidor intermediario. Los dispositivos obtienen credenciales temporales mediante una función de Cloud Functions para Firebase.
- DNS-SD/mDNS: la detección local ayuda a los dispositivos a encontrar el código de emparejamiento en la misma red. El intercambio de las claves públicas se realiza mediante Firestore.
Qué componentes intervienen
La misma arquitectura también se puede analizar a través de sus componentes. Ambos teléfonos utilizan Firebase para la autenticación anónima, los intercambios mediante Firestore y la solicitud de credenciales TURN temporales. STUN ayuda a identificar las asignaciones de direcciones; cuando hace falta, un servidor de retransmisión TURN reenvía el tráfico WebRTC protegido. Este diagrama de componentes muestra cómo encajan las piezas.
Si falla la detección: introducir el código a mano
Si la detección automática no encuentra el otro dispositivo, puedes introducir manualmente el código de cuatro caracteres. Después, los dispositivos realizan el mismo intercambio ECDH mediante Firestore y muestran el número de seguridad que debes comparar. Solo cambia la forma en que el código llega al segundo dispositivo.
Los mecanismos de seguridad, de un vistazo
| Mecanismo | Función |
|---|---|
| Intercambio de claves ECDH (P-256) | Derivar un secreto compartido a partir de la clave privada local y la clave pública recibida |
| Pares de claves efímeros | Generar un nuevo par ECDH para cada nuevo emparejamiento |
| Número de seguridad (SAS) | Comparar las pantallas como comprobación adicional |
| Hash SHA-256 como identificador del documento | Localizar un documento mediante un identificador derivado |
| Cifrado AES-256-GCM | Proteger los datos SDP y el texto de los candidatos ICE |
| Confirmación en cada dispositivo | Guardar los datos de emparejamiento en cada dispositivo después de confirmar |
| DTLS-SRTP (WebRTC) | Proteger el audio y el vídeo durante la transmisión |
El código permite que los dispositivos se encuentren. ECDH proporciona el secreto compartido para derivar las claves, y comparar el número de seguridad ayuda a comprobar quién está al otro lado. Después, AES-256-GCM protege determinados datos de señalización, mientras que WebRTC protege el audio y el vídeo por separado.