Baby Monitor Timmy ഓഡിയോയും വീഡിയോയും കൈമാറുന്നതിന് മുമ്പ്, രണ്ട് ഉപകരണങ്ങളും പരസ്പരം കണ്ടെത്തുകയും വിശ്വസിക്കുകയും വേണം. ഈ പേയറിംഗ് ഘട്ടമാണ് മുഴുവൻ പ്രക്രിയയിലെയും ഏറ്റവും നിർണായകമായ സമയം. Timmy എങ്ങനെ പേയർ ചെയ്യുന്നു, അതിന്റെ പിന്നിലെ ക്രിപ്റ്റോഗ്രഫി എന്താണ്, സമീപത്തുള്ള ആക്രമിക്കാരന് അറിയാതെ കണക്ഷൻ കൈക്കലാക്കാൻ കഴിയാത്തത് എന്തുകൊണ്ടാണ് എന്നിവ ഇവിടെ വിശദീകരിക്കുന്നു.
പ്രശ്നം: എന്റെ ഉപകരണം സംസാരിക്കുന്നത് ആരോടാണെന്ന് എങ്ങനെ അറിയും?
രണ്ട് ഉപകരണങ്ങൾ ആദ്യമായി കണക്റ്റ് ചെയ്യുമ്പോൾ പ്രധാന ചോദ്യം ഇതാണ്: ഉപകരണം A ശരിക്കും ഉപകരണം B-യോടാണോ സംസാരിക്കുന്നത്, അതോ ഇടയിൽ മറ്റാരെങ്കിലും ഉണ്ടോ? ക്രിപ്റ്റോഗ്രഫിയിൽ ഇതിനെ മാൻ-ഇൻ-ദി-മിഡിൽ ആക്രമണം (MITM) എന്ന് വിളിക്കുന്നു.
Timmy ഇത് പരിഹരിക്കുന്നത് ഒരു Elliptic Curve Diffie-Hellman (ECDH) കീ എക്സ്ചേഞ്ച് Firebase വഴി നടത്തി, അത് ഉപയോക്താവിന്റെ ദൃശ്യ പരിശോധനയുമായി ചേർത്തുപയോഗിച്ചാണ്..
താഴെയുള്ള ചിത്രം മുഴുവൻ പേയറിംഗ് പ്രവാഹവും ഒറ്റനോട്ടത്തിൽ കാണിക്കുന്നു:
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
പൂർണ്ണ പേയറിംഗ് പ്രോട്ടോക്കോൾ ക്രമം — എഡിറ്റ് ചെയ്യാവുന്ന ഉറവിടം: docs/diagrams/pairing-sequence.mmd
ഘട്ടം 1: ഓരോ ഉപകരണവും ഒരു കീ ജോഡി സൃഷ്ടിക്കുന്നു
പേയറിംഗ് സ്ക്രീൻ തുറക്കുമ്പോൾ, ഓരോ ഉപകരണവും ഒരു താൽക്കാലിക ECDH കീ ജോഡി P-256 കർവിൽ (secp256r1) സൃഷ്ടിക്കുന്നു:
- ഒരു സ്വകാര്യ കീ — ഉപകരണത്തിൽ മാത്രമേ നിലനിൽക്കൂ
- ഒരു പൊതുകീ — Firebase വഴി കൈമാറുന്നു
ക്രിപ്റ്റോഗ്രഫിക്ക് സുരക്ഷിതമായ റാൻഡം നമ്പർ ജനറേറ്റർ (Random.secure()) ഉപയോഗിച്ചാണ് കീകൾ സൃഷ്ടിക്കുന്നത്,
അവ ഈ ഒരൊറ്റ പേയറിംഗ് ശ്രമത്തിന് മാത്രം സാധുവാണ്. ഓരോ പുതിയ ശ്രമത്തിനും പുതിയ കീകൾ സൃഷ്ടിക്കപ്പെടുന്നു.
ഘട്ടം 2: Firebase വഴി പൊതുകീകൾ കൈമാറുക
രണ്ട് ഉപകരണങ്ങൾക്കും പരസ്പരം കണ്ടെത്താൻ, Timmy ഒരു 4-അക്ഷര കോഡ് കണ്ടുമുട്ടാനുള്ള അടയാളമായി ഉപയോഗിക്കുന്നു. ഈ കോഡ് Nearby Connections (Bluetooth Low Energy) വഴി സ്വയമേവ കണ്ടെത്താനോ കൈകൊണ്ട് നൽകാനോ കഴിയും. ഇതിന് ക്രിപ്റ്റോഗ്രാഫിക് മൂല്യമൊന്നുമില്ല; രണ്ട് ഉപകരണങ്ങളും ഒരേ Firebase Firestore ഡോക്യുമെന്റ് കണ്ടെത്താൻ മാത്രമാണിത് സഹായിക്കുന്നത്.
രണ്ട് ഉപകരണങ്ങൾക്കും കോഡ് അറിഞ്ഞുകഴിഞ്ഞാൽ, ഓരോന്നും അതിന്റെ പൊതുകീ ഒരു പങ്കിട്ട Firestore ഡോക്യുമെന്റിൽഎഴുതുന്നു. തുടർന്ന് ഓരോ ഉപകരണവും ആ ഡോക്യുമെന്റിൽ നിന്ന് മറ്റേ ഉപകരണത്തിന്റെ പൊതുകീ വായിക്കുന്നു.
പ്രധാനമായി: അയക്കുന്നത് പൊതുകീ മാത്രമാണ്. സ്വകാര്യ കീ ഒരിക്കലും ഉപകരണത്തിന് പുറത്തേക്ക് പോകില്ല. Firebase ട്രാഫിക് നിരീക്ഷിക്കുന്നവർക്ക് പൊതുകീകൾ കാണാം, പക്ഷേ അവയിൽ നിന്ന് പങ്കിട്ട രഹസ്യം കണക്കാക്കാൻ കഴിയില്ല . ഇത് Elliptic Curve Discrete Logarithm Problem (ECDLP)-ന്റെ ബുദ്ധിമുട്ടിനെ ആശ്രയിച്ചിരിക്കുന്നു.
ഘട്ടം 3: പങ്കിട്ട രഹസ്യം കണക്കാക്കൽ
രണ്ട് ഉപകരണങ്ങളും പരസ്പരത്തിന്റെ പൊതുകീ കണ്ടെത്തിക്കഴിഞ്ഞാൽ, അവ സ്വതന്ത്രമായി ഒരേ പങ്കിട്ട രഹസ്യം:
sharedSecret = ECDH(myPrivateKey, remotePublicKey)
→ 32 bytes (identical on both devices)
കണക്കാക്കുന്നു. ഓരോ ഉപകരണത്തിനും സ്വന്തം സ്വകാര്യ കീയും മറ്റേയാളുടെ പൊതുകീയും മാത്രമേ അറിയൂ എങ്കിലും, രണ്ട് കണക്കുകൂട്ടലുകളും ഒരേ ഫലം നൽകുമെന്ന് എലിപ്റ്റിക് കർവുകളുടെ ഗണിതം ഉറപ്പുനൽകുന്നു.
ഘട്ടം 4: പരിശോധനാ നമ്പർ (SAS)
പങ്കിട്ട രഹസ്യത്തിൽ നിന്ന് ഒരു Short Authentication String (SAS) ലഭ്യമാക്കുന്നു — രണ്ട് ഉപകരണങ്ങളിലും കാണിക്കുന്ന രണ്ടക്ക നമ്പർ:
hash = SHA-256("sas:" + sort(pubkeyA, pubkeyB) + sharedSecret)
number = (hash[0] × 256 + hash[1]) mod 100 → 00 to 99
രണ്ട് ഉപകരണങ്ങളും ഒരേ നമ്പർ കാണിക്കും — ഉദാഹരണത്തിന്, 42. ഉപയോക്താവ് രണ്ട് സ്ക്രീനിലുമുള്ള നമ്പറുകൾ ഒത്തുനോക്കി, തുടർന്ന് ഓരോ ഉപകരണത്തിലും പ്രത്യേകം സ്ഥിരീകരിക്കുന്നു.
എന്തുകൊണ്ട് ഒരു ആക്രമിക്കാരന് ഇത് വ്യാജമാക്കാനാവില്ല
ഒരു മാൻ-ഇൻ-ദി-മിഡിൽ ആക്രമിക്കാരൻ Firebase-ലുള്ള കീ എക്സ്ചേഞ്ച് തടസ്സപ്പെടുത്തേണ്ടിവരും. പ്രത്യേകിച്ച്, അവർക്ക് ഇവ ചെയ്യേണ്ടിവരും:
- Firestore ഡോക്യുമെന്റിൽ സൂക്ഷിച്ച യഥാർഥ പൊതുകീകൾക്ക് പകരം സ്വന്തം കീകൾ വെക്കുക
- ഓരോ ഉപകരണവുമായും വേർതിരിച്ച പങ്കിട്ട രഹസ്യങ്ങൾ സൃഷ്ടിക്കുക
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 പൊരുത്തക്കേടിലൂടെ മാൻ-ഇൻ-ദി-മിഡിൽ കണ്ടെത്തൽ — എഡിറ്റ് ചെയ്യാവുന്ന ഉറവിടം: docs/diagrams/mitm-detection.mmd
ഈ സാഹചര്യത്തിൽ, ആക്രമിക്കാരൻ ഉപകരണം A-യുമായി ഒരു പങ്കിട്ട രഹസ്യവും
മറ്റൊരു S_A പങ്കിട്ട രഹസ്യവും S_B ഉപകരണം B-യുമായി കണക്കാക്കുന്നു. കാരണം S_A ≠ S_B,
ഉപകരണങ്ങൾ വ്യത്യസ്ത പരിശോധനാ നമ്പറുകൾ.
കണക്കാക്കുന്നു. ആക്രമിക്കാരന് നമ്പറുകൾ പൊരുത്തപ്പെടുത്താനാവില്ല, കാരണം:
- അവർക്ക് ഉപകരണങ്ങളുടെ സ്വകാര്യ കീകൾ അറിയില്ല
- SHA-256 റിവേഴ്സ് ചെയ്യാനാവില്ല
- യാദൃച്ഛികമായി പൊരുത്തപ്പെടാനുള്ള സാധ്യത വെറും 100-ൽ 1
സ്ക്രീനുകളിൽ ഉപയോക്താവിന് വ്യത്യസ്ത നമ്പറുകൾ കാണുകയും പേയറിംഗ് റദ്ദാക്കുകയും ചെയ്യും. അപ്പോഴേക്കും ആക്രമണം ദൃശ്യമാകും.
ഘട്ടം 5: പേയറിംഗ് പൂർത്തിയാക്കൽ
ഉപയോക്താവ് രണ്ട് ഉപകരണങ്ങളിലും പരിശോധന സ്ഥിരീകരിച്ചതിന് ശേഷമേ പേയറിംഗ് പൂർത്തിയാകൂ:
- ഒരു 64-അക്ഷര പേയറിംഗ് കീ (256 ബിറ്റ്) പങ്കിട്ട രഹസ്യത്തിൽ നിന്ന് ലഭ്യമാക്കുന്നു:
SHA-256("pair:" + sharedSecret) → pairingKey - ഡോക്യുമെന്റ് കീ ഇതിൽ നിന്ന് ലഭ്യമാക്കുകയും
SHA-256("doc:" + pairingKey)Firestore ഡോക്യുമെന്റ് കീയായി ഉപയോഗിക്കുകയും ചെയ്യുന്നു - എൻക്രിപ്ഷൻ കീ ഇതിൽ നിന്ന് ലഭ്യമാക്കുകയും
SHA-256("enc:" + pairingKey)എൻക്രിപ്റ്റ് ചെയ്ത സിഗ്നലിംഗിനായി AES-256-GCM കീ നൽകുകയും ചെയ്യുന്നു - രണ്ട് ഉപകരണങ്ങളും ഒരേ പേയറിംഗ് കീ സൂക്ഷിച്ച് മോഡ് തിരഞ്ഞെടുപ്പിലേക്ക് പോകുന്നു
ഈ ഘട്ടം മുതൽ, തുടർന്നുള്ള എല്ലാ കണക്ഷൻ ശ്രമങ്ങളും (Firestore സിഗ്നലിംഗ്, WebRTC സജ്ജീകരണം) പങ്കിട്ട AES-256-GCM കീ ഉപയോഗിച്ച് എൻക്രിപ്റ്റ് ചെയ്യപ്പെടുന്നു. പേയറിംഗ് കീ ഒരിക്കലും ബാക്കെൻഡിലേക്ക് അയക്കില്ല; അതിന്റെ SHA-256 ഹാഷ് മാത്രമാണ് ഡോക്യുമെന്റ് ഐഡന്റിഫയറായി ഉപയോഗിക്കുന്നത്.
സിസ്റ്റം ആർക്കിടെക്ചർ
പേയറിംഗിലും ആശയവിനിമയത്തിലും ഉൾപ്പെട്ട ഘടകങ്ങൾ താഴെയുള്ള ചിത്രം കാണിക്കുന്നു:
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
സിസ്റ്റം ആർക്കിടെക്ചർ അവലോകനം — എഡിറ്റ് ചെയ്യാവുന്ന ഉറവിടം: docs/diagrams/pairing-architecture.mmd
ആശയവിനിമയ പാതകളുടെ വിശദാംശങ്ങൾ:
- WebRTC പിയർ-ടു-പിയർ (കട്ടിയുള്ള വര): ഓഡിയോ, വീഡിയോ, DataChannel എന്നിവ ഉപകരണങ്ങൾക്കിടയിൽ നേരിട്ട് ഒഴുകുന്നു — DTLS-SRTP ഉപയോഗിച്ച് എൻക്രിപ്റ്റ് ചെയ്തിരിക്കുന്നു. ഒരു സെർവർക്കും ഈ ഡാറ്റ കാണാനാവില്ല.
- Firebase Firestore (തുടർച്ചയായ വര): പേയറിംഗ് ഡാറ്റ (ECDH കീകൾ), സിഗ്നലിംഗ് (SDP/ICE) എന്നിവ Firestore വഴിയാണ് പോകുന്നത് — AES-256-GCM ഉപയോഗിച്ച് എൻഡ്-ടു-എൻഡ് എൻക്രിപ്റ്റ് ചെയ്തിരിക്കുന്നു. Firebase-ന് ഡാറ്റ ഡീക്രിപ്റ്റ് ചെയ്യാനാവില്ല.
- STUN സെർവർ: നേരിട്ടുള്ള പിയർ-ടു-പിയർ കണക്ഷൻ സ്ഥാപിക്കാനായി രണ്ട് ഉപകരണങ്ങളും തങ്ങളുടെ പൊതു IP വിലാസം കണ്ടെത്തുന്നു.
- TURN റിലേ: നേരിട്ടുള്ള കണക്ഷൻ സാധ്യമല്ലെങ്കിൽ (ഉദാഹരണത്തിന്, മൊബൈൽ ഡാറ്റയിൽ), തിരഞ്ഞെടുത്ത ലോക്കൽ അല്ലെങ്കിൽ Cloudflare TURN സെർവർ എൻക്രിപ്റ്റ് ചെയ്ത മീഡിയ റിലേ ചെയ്യുന്നു. ഹ്രസ്വകാല ക്രെഡൻഷ്യലുകൾ (24h) Firebase Cloud Functions വഴി ലഭ്യമാക്കുന്നു.
- Bluetooth LE (പുള്ളിവര): Nearby Connections അടുത്തുള്ള ഉപകരണങ്ങളെ സ്വയമേവ കണ്ടെത്തുന്നു — മീറ്റിംഗ് കോഡ് മാത്രം കൈമാറും, കീ മെറ്റീരിയൽ ഒന്നും കൈമാറില്ല.
ബദൽ: കോഡ് കൈകൊണ്ട് നൽകൽ
Bluetooth ലഭ്യമല്ലെങ്കിൽ (ഉദാഹരണത്തിന്, പഴയ ഉപകരണങ്ങളിൽ), 4-അക്ഷര കോഡ് കൈകൊണ്ടും ടൈപ്പ് ചെയ്യാം. കൈകൊണ്ട് നൽകുമ്പോഴും അതേ ECDH കീ എക്സ്ചേഞ്ചും അതേ SAS പരിശോധനയും ആണ് ഉപയോഗിക്കുന്നത്. BLE വഴി കണ്ടെത്തുന്നതിന് പകരം ഉപയോക്താവ് കോഡ് വായിച്ച് ടൈപ്പ് ചെയ്യുന്നു എന്നത് മാത്രമാണ് വ്യത്യാസം.
രണ്ട് സാഹചര്യങ്ങളിലും ECDH കീ എക്സ്ചേഞ്ച് Firebase വഴിയാണ് നടക്കുന്നത് എന്നതിനാൽ, സുരക്ഷ ഒരുപോലെയാണ്. 4-അക്ഷര കോഡ് ഒരു കണ്ടുമുട്ടൽ അടയാളം മാത്രമാണ്; യഥാർഥ എൻക്രിപ്ഷൻ ECDH-ൽ നിന്ന് ലഭിക്കുന്ന 256-ബിറ്റ് കീയെ അടിസ്ഥാനമാക്കുന്നതാണ്.
സംഗ്രഹം
| സുരക്ഷാ സംവിധാനം | ഇതിൽ നിന്ന് സംരക്ഷിക്കുന്നു |
|---|---|
| ECDH കീ എക്സ്ചേഞ്ച് (P-256) | കീ എക്സ്ചേഞ്ച് ട്രാഫിക് ചോർത്തിക്കേൾക്കൽ |
| താൽക്കാലിക കീ ജോഡികൾ | ഫോർവേഡ് സീക്രസി — പഴയ പേയറിംഗുകൾ സുരക്ഷിതമായി തുടരും |
| ദൃശ്യ പരിശോധനാ നമ്പർ (SAS) | കീ എക്സ്ചേഞ്ചിനിടയിലെ മാൻ-ഇൻ-ദി-മിഡിൽ (MITM) |
| ഡോക്യുമെന്റ് കീയായി SHA-256 ഹാഷ് | Firestore-ൽ നിന്ന് കോഡ് പുറത്തെടുക്കൽ |
| AES-256-GCM എൻക്രിപ്ഷൻ | സിഗ്നലിംഗ് ഡാറ്റ ചോർത്തിക്കേൾക്കൽ |
| രണ്ടുവശത്തുമുള്ള സ്ഥിരീകരണം | ഉപയോക്താവറിയാതെ ഒരു വശത്ത് മാത്രം നടക്കുന്ന പേയറിംഗ് |
| DTLS-SRTP (WebRTC) | ഓഡിയോ/വീഡിയോ ചോർത്തിക്കേൾക്കൽ |
ഈ പാളികൾ ഒന്നിച്ച് പ്രവർത്തിക്കുന്നു: ECDH കീ എക്സ്ചേഞ്ചിനെ സംരക്ഷിക്കുന്നു, പരിശോധനാ നമ്പർ MITM-ൽ നിന്ന് സംരക്ഷിക്കുന്നു, AES-256-GCM സിഗ്നലിംഗിനെ സംരക്ഷിക്കുന്നു, WebRTC മീഡിയയെ സംരക്ഷിക്കുന്നു. ഉപകരണങ്ങളോ മാതാപിതാക്കളോ അറിയാതെ ഈ ശൃംഖല ആക്രമിക്കാരൻ പല ഇടങ്ങളിലും തകർക്കേണ്ടിവരും.