Baby Monitor Timmyで音声や映像を送るには、まず2台の端末がお互いを見つけ、接続先を確認する必要があります。この記事では、Timmyが2台のスマートフォンをペアリングする仕組みと、その暗号技術を解説します。確認番号の照合が、鍵交換の改ざんを見つける手掛かりになる理由も説明します。
課題:本当に意図した相手と通信している?
初めて接続するときに重要なのは、端末Aが本当に端末Bと通信しているのか、それとも第三者が間に入り込んでいるのかという点です。暗号の分野では、このような攻撃を中間者攻撃(MITM)と呼びます。
Timmyは、Firebaseを介した楕円曲線Diffie–Hellman(ECDH)鍵交換と、両方の端末に表示される確認番号の照合を組み合わせています。
まず、ペアリングの流れを図で見てみましょう。
ステップ1:各端末で鍵ペアを生成する
新しいペアリングを始めるとき、各端末はP-256曲線(secp256r1)を使い、そのペアリング用の一時的なECDH鍵ペアを生成します。
- 秘密鍵:端末の外には出しません。
- 公開鍵:Firebaseを介して交換します。
Timmyは、鍵の生成に使う乱数生成器の初期化にRandom.secure()を利用します。生成したECDH鍵ペアは、そのペアリングのためのものです。
ステップ2:Firebaseを介して公開鍵を交換する
Timmyは4文字のコードを、2台が出会うための目印として使います。自動検出では、ローカルネットワーク上のDNS-SD/mDNSでこのコードを見つけます。手入力も可能です。このコードによって、鍵交換に使うFirestoreドキュメントが決まります。暗号鍵そのものは、コードとは別に生成されます。
両方の端末がコードを知ると、それぞれが自分のECDH公開鍵を共通のFirestoreドキュメントに書き込みます。その後、各端末が同じドキュメントから相手の公開鍵を読み取ります。
鍵交換で送信するのは公開鍵です。秘密鍵は端末内に残ります。ECDHの安全性の前提では、公開鍵だけを知っていても、共通の秘密情報を現実的な計算量で求めることはできません。
ステップ3:共通の秘密情報を計算する
Firebaseから相手の公開鍵を読み取ると、通常の鍵交換では、各端末が独立に同じ共通の秘密情報(共有シークレット)を計算します。
sharedSecret = ECDH(myPrivateKey, theirPublicKey)
→ 32バイト(両方の端末で同じ値) 各端末が持っているのは自分の秘密鍵と相手の公開鍵だけですが、楕円曲線の数学的な性質によって、両方の計算結果が一致します。
ステップ4:確認番号(SAS)を照合する
各端末は、共有シークレットと両方の公開鍵から短い認証用の値(SAS:Short Authentication String)を導きます。Timmyはこれを2桁の確認番号として表示します。
[pubkey1, pubkey2] = sort(publicKeysAsStrings)
prefix = UTF-8("sas:" + pubkey1 + ":" + pubkey2 + ":")
hash = SHA-256(prefix + sharedSecret)
number = (hash[0] × 256 + hash[1]) mod 100 → 00から99 通常の鍵交換では、両方の端末に同じ番号、たとえば42が表示されます。実際の画面を見比べてください。番号が一致し、自分が意図したペアリングであることを確認できたら、各端末でそれぞれ承認します。
確認番号が鍵交換の改ざんを見つける手掛かりに
もし攻撃者が交換中の公開鍵をすり替えられると、2台それぞれと別の秘密情報を確立しようとする可能性があります。
- Firebase上で本来の公開鍵を横取りし、別の鍵にすり替える。
- 攻撃者自身の鍵ペアを使い、各端末と個別に鍵交換する。
この例では、攻撃者は端末Aとの間で秘密情報S_Aを、端末Bとの間で別の秘密情報S_Bを確立しています。端末には例として73と18が表示されます。画面を見比べることで、この違いに気付けます。
ただし、異なる鍵交換から同じ2桁の番号が得られることもあります。確認番号は、あくまで追加の確認手段です。番号が違う場合や、心当たりのない要求が出た場合は、ペアリングを中止してください。
ステップ5:ペアリングを完了する
各端末は、その端末上での承認を受けて、次の処理を行います。
- 共有シークレットから、16進数64文字で表されるペアリング鍵を導出します。
SHA-256("pair:" + sharedSecret) → pairingKey - ペアリング鍵からFirestoreのドキュメントキーを導出します。
SHA-256("doc:" + pairingKey) → documentKey - 別のハッシュ計算で、シグナリングの暗号化に使うAES-256-GCM鍵を導出します。
SHA-256("enc:" + pairingKey) → encryptionKey - 導出したペアリング情報を端末内に保存します。通常の鍵交換で、それぞれの端末上でペアリングを承認すると、2台は同じペアリング鍵を導出します。
以後のセッションでは、Firestoreに渡すSDPのデータ本体とICE候補のテキストをAES-256-GCMで保護します。ここで説明する流れでは、ペアリング鍵は端末内に残ります。通信先の振り分けには、この鍵から導いた別のドキュメント識別子を使います。音声・映像の通信は、それとは独立してWebRTCが保護します。
ペアリングから音声・映像の送受信まで
ローカルでの検出、Firestore、WebRTCは、それぞれ異なる役割を担います。次の図では、コードの検出と鍵交換から音声・映像の送受信まで、データが通る経路を分けて示します。
それぞれの通信経路の役割は、次のとおりです。
- WebRTC:音声と映像はDTLS-SRTP、DataChannelはDTLSで保護されます。通信は端末同士で直接行うこともできます。
- Firebase Firestore:ペアリング時にはECDH公開鍵を仲介します。以後のセッションでは、AES-256-GCMで保護されたSDPのデータ本体とICE候補のテキストを受け渡します。技術的な管理項目は、これらとは別に保存される場合があります。
- STUN:外部から見えるアドレスとポートの対応関係を調べるために使います。接続に使える経路はICEが確認します。
- TURNリレー:中継が必要な場合に、保護されたWebRTC通信を転送します。端末はFirebaseのCloud Functionを介して一時的な認証情報を取得します。
- DNS-SD/mDNS:同じネットワーク上でペアリングコードを見つけるためのローカル検出に使います。公開鍵の交換はFirestore経由です。
各コンポーネントの役割とつながり
同じ仕組みを、構成要素のつながりとして見ることもできます。2台のスマートフォンは、匿名認証、Firestoreを介したデータ交換、一時的なTURN認証情報の取得にFirebaseを使います。STUNはアドレスの対応関係を調べる手助けをし、必要な場合にはTURNリレーが保護されたWebRTC通信を中継します。次のコンポーネント図は、これらのつながりを示しています。
自動検出できない場合はコードを手入力
自動検出で相手の端末が見つからない場合は、4文字のコードを手入力できます。その後は同じECDH鍵交換をFirestore経由で行い、照合用の確認番号を表示します。変わるのは、コードをもう一方の端末に伝える方法だけです。
安全性を支える仕組みのまとめ
| 仕組み | 役割 |
|---|---|
| ECDH鍵交換(P-256) | 自分の秘密鍵と受け取った公開鍵から共有シークレットを導出する |
| 一時的な鍵ペア | 新しいペアリングごとに新しいECDH鍵ペアを使う |
| 確認番号(SAS) | 画面を見比べて追加の確認を行う |
| ドキュメント識別子としてのSHA-256ハッシュ | 導出した識別子でドキュメントを指定する |
| AES-256-GCM暗号化 | SDPのデータ本体とICE候補のテキストを保護する |
| 各端末での承認 | 承認後に各端末へペアリング情報を保存する |
| DTLS-SRTP(WebRTC) | 通信中の音声と映像を保護する |
コードは、2台が出会うための目印です。ECDHは鍵の導出に使う共有シークレットを生成し、確認番号の照合は接続先を確かめる手掛かりになります。その後、特定のシグナリングデータをAES-256-GCMが保護し、音声・映像はWebRTCが別に保護します。