Baby Monitor Timmy ઑડિયો અને વિડિયો મોકલે તે પહેલાં, બંને ડિવાઇસે એકબીજાને શોધવા અને એકબીજા પર વિશ્વાસ કરવો જરૂરી છે. આ પેરિંગ પગલું આખી પ્રક્રિયાનો સૌથી નિર્ણાયક તબક્કો છે. અહીં હું સમજાવું છું કે Timmy કેવી રીતે પેર થાય છે, તેની પાછળ કઈ ક્રિપ્ટોગ્રાફી કામ કરે છે અને નજીકનો હુમલાખોર કોઈને ખબર પડ્યા વિના કનેક્શન કેમ કબજે કરી શકતો નથી.
સમસ્યા: મારું ડિવાઇસ કેવી રીતે જાણે છે કે તે કોની સાથે વાત કરે છે?
બે ડિવાઇસ પહેલી વાર જોડાય ત્યારે મુખ્ય સવાલ એ હોય છે: શું ડિવાઇસ A ખરેખર ડિવાઇસ B સાથે જ વાત કરી રહ્યું છે, કે વચ્ચે કોઈ બીજું છે? ક્રિપ્ટોગ્રાફીમાં, તેને મેન-ઇન-ધ-મિડલ હુમલો (MITM) કહે છે.
આ સમસ્યા ઉકેલવા Timmy Elliptic Curve Diffie-Hellman (ECDH) કી એક્સચેન્જ Firebase મારફતે કરે છે અને તેની સાથે વપરાશકર્તા દ્વારા નજરે ચકાસણી.
પણ જોડે છે. નીચેનો આલેખ એક નજરે સંપૂર્ણ પેરિંગ પ્રક્રિયા બતાવે છે:
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
સંપૂર્ણ પેરિંગ પ્રોટોકોલ ક્રમ — સંપાદિત કરી શકાય તેવો સ્રોત: docs/diagrams/pairing-sequence.mmd
પગલું 1: દરેક ડિવાઇસ કી-પેર બનાવે છે
પેરિંગ સ્ક્રીન ખોલતી વખતે, દરેક ડિવાઇસ અસ્થાયી ECDH કી-પેર P-256 કર્વ (secp256r1) પર બનાવે છે:
- એક ખાનગી કી — ફક્ત ડિવાઇસમાં જ રહે છે
- એક જાહેર કી — Firebase દ્વારા વિનિમય થાય છે
કીઓ ક્રિપ્ટોગ્રાફિક રીતે સુરક્ષિત રેન્ડમ નંબર જનરેટર (Random.secure())
વડે બનાવવામાં આવે છે અને તે ફક્ત આ એક પેરિંગ પ્રયત્ન માટે જ માન્ય હોય છે. દરેક નવા પ્રયત્ન માટે નવી કીઓ બનાવવામાં આવે છે.
પગલું 2: Firebase પર જાહેર કીઓનો વિનિમય
બે ડિવાઇસ એકબીજાને શોધી શકે તે માટે Timmy 4-અક્ષરનો કોડ મળવાની જગ્યા તરીકે વાપરે છે. આ કોડ Nearby Connections (Bluetooth Low Energy) દ્વારા આપમેળે મળી શકે છે અથવા હાથથી દાખલ કરી શકાય છે. તેનો કોઈ ક્રિપ્ટોગ્રાફિક મૂલ્ય નથી; તે માત્ર બંને ડિવાઇસને એક જ Firebase Firestore દસ્તાવેજ શોધવામાં મદદ કરે છે.
બંને ડિવાઇસને કોડની જાણ થયા પછી, દરેક ડિવાઇસ પોતાની જાહેર ECDH કી એક શેર કરેલા Firestore દસ્તાવેજમાં લખે છે. પછી દરેક ડિવાઇસ એ દસ્તાવેજમાંથી બીજા ડિવાઇસની જાહેર કી વાંચે છે.
મહત્વનું: માત્ર જાહેર કી મોકલાય છે. ખાનગી કી ક્યારેય ડિવાઇસની બહાર જતી નથી. Firebase ટ્રાફિક જોનારને જાહેર કીઓ દેખાય છે, પરંતુ તેમાંથી શેર કરેલો સિક્રેટ કાઢી શકાતો નથી . આની સુરક્ષા Elliptic Curve Discrete Logarithm Problem (ECDLP)ની મુશ્કેલી પર આધારિત છે.
પગલું 3: શેર કરેલો સિક્રેટ ગણવો
બંને ડિવાઇસ એકબીજાની જાહેર કી શોધી લે પછી, તે સ્વતંત્ર રીતે એક જ શેર કરેલો સિક્રેટ:
sharedSecret = ECDH(myPrivateKey, remotePublicKey)
→ 32 bytes (identical on both devices)
ગણે છે. એલિપ્ટિક કર્વનું ગણિત ખાતરી આપે છે કે બંને ગણતરીઓનું પરિણામ એક જ આવે, ભલે દરેક ડિવાઇસને ફક્ત પોતાની ખાનગી કી અને બીજા ડિવાઇસની જાહેર કી જ ખબર હોય.
પગલું 4: ચકાસણી નંબર (SAS)
શેર કરેલા સિક્રેટમાંથી Short Authentication String (SAS) બનાવવામાં આવે છે — બંને ડિવાઇસ પર દેખાતો બે અંકનો નંબર:
hash = SHA-256("sas:" + sort(pubkeyA, pubkeyB) + sharedSecret)
number = (hash[0] × 256 + hash[1]) mod 100 → 00 to 99
બંને ડિવાઇસ પર એક જ નંબર દેખાય છે — ઉદાહરણ તરીકે, 42. વપરાશકર્તા બંને સ્ક્રીન પર નંબર સરખા છે કે નહીં તે જોઈને ચકાસે છે, પછી દરેક ડિવાઇસ પર અલગથી પુષ્ટિ કરે છે.
હુમલાખોર આને કેમ નકલી બનાવી શકતો નથી
મેન-ઇન-ધ-મિડલ હુમલાખોરે Firebaseમાં થતા કી વિનિમયને વચ્ચેથી પકડી લેવો પડે. ખાસ કરીને, તેણે આ કરવું પડે:
- Firestore દસ્તાવેજમાં રહેલી અસલી જાહેર કીઓને પોતાની કીઓથી બદલવી
- દરેક ડિવાઇસ સાથે અલગ શેર કરેલો સિક્રેટ સ્થાપિત કરવો
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 નંબર મેળ ન ખાવાથી મેન-ઇન-ધ-મિડલની ઓળખ — સંપાદિત કરી શકાય તેવો સ્રોત: docs/diagrams/mitm-detection.mmd
આ સ્થિતિમાં, હુમલાખોર ડિવાઇસ A સાથે એક શેર કરેલો સિક્રેટ S_A અને ડિવાઇસ B સાથે
બીજો શેર કરેલો સિક્રેટ S_B ગણે છે. કારણ કે S_A ≠ S_B,
ડિવાઇસો અલગ ચકાસણી નંબર.
ગણે છે. હુમલાખોર નંબરો સરખા કરી શકતો નથી, કારણ કે:
- તેને ડિવાઇસોની ખાનગી કીઓ ખબર નથી
- SHA-256 ને ઉલટાવી શકાતું નથી
- આકસ્મિક રીતે નંબર સરખા આવવાની સંભાવના ફક્ત 100 માં 1
છે. વપરાશકર્તાને સ્ક્રીન પર અલગ નંબર દેખાય છે અને તે પેરિંગ રદ કરે છે. એ સમયે હુમલો નજરે ચડી જાય છે.
પગલું 5: પેરિંગ પૂર્ણ કરવું
વપરાશકર્તા બંને ડિવાઇસ પર ચકાસણીની પુષ્ટિ કરે તે પછી જ પેરિંગ પૂર્ણ થાય છે:
- એક 64-અક્ષરની પેરિંગ કી (256 બિટ્સ) શેર કરેલા સિક્રેટમાંથી બનાવવામાં આવે છે:
SHA-256("pair:" + sharedSecret) → pairingKey - દસ્તાવેજ કી આ રીતે બનાવવામાં આવે છે
SHA-256("doc:" + pairingKey)અને Firestore દસ્તાવેજ કી તરીકે કામ કરે છે - એન્ક્રિપ્શન કી આ રીતે બનાવવામાં આવે છે
SHA-256("enc:" + pairingKey)અને એન્ક્રિપ્ટેડ સિગ્નલિંગ માટે AES-256-GCM કી આપે છે - બંને ડિવાઇસ એક જ પેરિંગ કી સંગ્રહે છે અને મોડ પસંદગી પર જાય છે
આ બિંદુથી, આગળના તમામ કનેક્શન પ્રયત્નો (Firestore સિગ્નલિંગ, WebRTC સેટઅપ) શેર કરેલી AES-256-GCM કીથી એન્ક્રિપ્ટ થાય છે. પેરિંગ કી ક્યારેય બેકએન્ડને મોકલાતી નથી; દસ્તાવેજ ઓળખકર્તા તરીકે ફક્ત તેનો SHA-256 હૅશ વપરાય છે.
સિસ્ટમ આર્કિટેક્ચર
નીચેનું આલેખ પેરિંગ અને કમ્યુનિકેશનમાં સામેલ ઘટકો બતાવે છે:
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
સિસ્ટમ આર્કિટેક્ચરનો ખ્યાલ — સંપાદિત કરી શકાય તેવો સ્રોત: docs/diagrams/pairing-architecture.mmd
કમ્યુનિકેશન માર્ગોની વિગત:
- WebRTC પિયર-ટુ-પિયર (જાડી રેખા): ઑડિયો, વિડિયો અને DataChannel સીધા ડિવાઇસો વચ્ચે વહે છે — DTLS-SRTP વડે એન્ક્રિપ્ટેડ. કોઈ સર્વર આ ડેટા જોતું નથી.
- Firebase Firestore (સળંગ રેખા): પેરિંગ ડેટા (ECDH કીઓ) અને સિગ્નલિંગ (SDP/ICE) Firestore મારફતે જાય છે — AES-256-GCM વડે એન્ડ-ટુ-એન્ડ એન્ક્રિપ્ટેડ. Firebase ડેટા ડિક્રિપ્ટ કરી શકતું નથી.
- STUN સર્વર: બંને ડિવાઇસ પોતાનું જાહેર IP સરનામું શોધે છે, જેથી સીધું પિયર-ટુ-પિયર કનેક્શન સ્થાપિત થઈ શકે.
- TURN રિલે: જો સીધું કનેક્શન શક્ય ન હોય (જેમ કે મોબાઇલ ડેટા પર), તો પસંદ કરેલો સ્થાનિક અથવા Cloudflare TURN સર્વર એન્ક્રિપ્ટેડ મીડિયા રિલે કરે છે. ટૂંકા ગાળાના ઓળખપત્રો (24 કલાક) Firebase Cloud Functions દ્વારા મેળવાય છે.
- Bluetooth LE (ડોટેડ રેખા): Nearby Connections નજીકના ડિવાઇસોને આપમેળે શોધે છે — ફક્ત મળવાનો કોડ મોકલાય છે; કી સંબંધિત કોઈ માહિતી મોકલાતી નથી.
વિકલ્પ: કોડ હાથથી દાખલ કરવો
જો Bluetooth ઉપલબ્ધ ન હોય (જેમ કે જૂના ડિવાઇસ પર), તો 4-અક્ષરનો કોડ હાથથી પણ લખી શકાય છે. હાથથી દાખલ કરવામાં એ જ ECDH કી એક્સચેન્જ અને એ જ SAS ચકાસણી વપરાય છે જે આપમેળે પેરિંગમાં વપરાય છે. ફરક ફક્ત એટલો છે કે BLE દ્વારા કોડ શોધવાને બદલે વપરાશકર્તા તેને વાંચીને લખે છે.
બંને કિસ્સામાં ECDH કી એક્સચેન્જ Firebase પર થાય છે, તેથી સુરક્ષા એકસરખીછે. 4-અક્ષરનો કોડ માત્ર મળવાની જગ્યા છે; વાસ્તવિક એન્ક્રિપ્શન ECDHમાંથી મળેલી 256-બિટ કી પર આધારિત છે.
સારાંશ
| સુરક્ષા પદ્ધતિ | આ સામે રક્ષણ આપે છે |
|---|---|
| ECDH કી એક્સચેન્જ (P-256) | કી એક્સચેન્જ ટ્રાફિકની જાસૂસી |
| અસ્થાયી કી-પેર | ફૉર્વર્ડ સિક્રેસી — ભૂતકાળનાં પેરિંગ સુરક્ષિત રહે છે |
| નજરે ચકાસવાનો નંબર (SAS) | કી એક્સચેન્જ દરમિયાન મેન-ઇન-ધ-મિડલ (MITM) |
| દસ્તાવેજ કી તરીકે SHA-256 હૅશ | Firestoreમાંથી કોડ કાઢી લેવું |
| AES-256-GCM એન્ક્રિપ્શન | સિગ્નલિંગ ડેટાની જાસૂસી |
| બંને બાજુથી પુષ્ટિ | વપરાશકર્તાને જાણ કર્યા વિના એકતરફી પેરિંગ |
| DTLS-SRTP (WebRTC) | ઑડિયો/વિડિયોની જાસૂસી |
આ બધા સ્તરો સાથે મળીને કામ કરે છે: ECDH કી એક્સચેન્જને સુરક્ષિત રાખે છે, ચકાસણી નંબર MITM સામે રક્ષણ આપે છે, AES-256-GCM સિગ્નલિંગને સુરક્ષિત રાખે છે અને WebRTC મીડિયાને સુરક્ષિત રાખે છે. હુમલાખોરે ડિવાઇસો કે માતા-પિતાને જાણ થયા વિના આ સાંકળ અનેક જગ્યાએ તોડવી પડે.