כותרת: ארכיטקטורה קריפטוגרפית אדפטיבית וניתנת לאימות עבור תשתיות מבוזרות: פורמליזציה, מימוש והערכה אמפירית תחת מודל איומים מתקדם

1. מבוא

הצפנה מהווה את המנגנון היסודי להבטחת סודיות, שלמות ואותנטיות במערכות מבוזרות עכשוויות. אולם, עצם האימוץ של אלגוריתמים קריפטוגרפיים חזקים — כגון AES-GCM, ChaCha20-Poly1305 או עקומים אליפטיים P-256 — אינו מוביל לביטחון מערכתי. מחקרים אמפיריים מראים כי רוב האירועים הכוללים קריפטוגרפיה נובעים משגיאות מימוש, מהגדרה לקויה או מהרכבה בלתי הולמת של פרוטוקולים.

מקרי מבחן מייצגים כוללים את הפגיעות CVE-2022-0778 ב-OpenSSL, שאפשרה מניעת שירות באמצעות ניתוח זדוני של תעודות, ואת CVE-2020-0601 (CurveBall), שניצלה כשלים באימות תעודות ECC ב-Windows CryptoAPI. לפי Verizon Data Breach Investigations Report (DBIR) 2023, כ-18% מן ההפרות שכללו חילוץ נתונים ניצלו כשלים הקשורים להגדרה קריפטוגרפית או לניהול מפתחות. במסגרת MITRE ATT&CK, טכניקות כגון T1552 (Unsecured Credentials) ו-T1600 (Weaken Encryption) מדגימות וקטורי תקיפה חוזרים.

הבעיה המרכזית טמונה בהיעדר מנגנונים משולבים המיישבים בין: (i) ערבויות אבטחה פורמליות, (ii) ניטור תפעולי רציף ו-(iii) התאמה דינמית לשינויים בפרופיל האיום. גישות מסורתיות המבוססות על סבב תקופתי של מפתחות או על מבדקי תקינות נקודתיים אינן מספקות אל מול יריבים מתמידים מתקדמים (APT).

בהקשר זה, ניסחנו את שאלות המחקר הבאות:

RQ1: כיצד ניתן למודל באופן פורמלי את הסיכון הקריפטוגרפי בתשתיות מבוזרות הנתונות ליריבים פעילים?

RQ2: האם ניתן לשלב אימות פורמלי וטלמטריה תפעולית במנגנון אדפטיבי עם השפעת ביצועים מינימלית?

RQ3: מהו הרווח המדיד באבטחה המושג באמצעות מדיניות אדפטיבית בהשוואה לאסטרטגיות סטטיות?

התרומות שלנו הן:

C1: פורמליזציה מתמטית של הסיכון הקריפטוגרפי הדינמי $R(t)$ המבוססת על חשיפה זמנית של מפתחות ועל משטח תקיפה ניתן לצפייה.

C2: ארכיטקטורה אדפטיבית המשלבת אימות פורמלי מבוסס LTL (Linear Temporal Logic) עם רוטציה של מפתחות מונחית-סיכון.

C3: הערכה ניסויית בסביבה מבוזרת המדגימה הפחתה משמעותית בסיכון עם תקורה הנמוכה מ-5%.

המשך המאמר מאורגן כדלקמן: סעיף 2 סוקר יסודות ועבודות קשורות; סעיף 3 מתאר את מודל האיומים; סעיף 4 מפרט את המתודולוגיה המוצעת; סעיף 5 מציג את המימוש; סעיף 6 דן בתוצאות הניסיוניות; סעיף 7 מנתח השלכות; וסעיף 8 מסכם את העבודה.

2. רקע ועבודות קשורות

האבטחה הקריפטוגרפית המסורתית נשענת על הגדרות פורמליות של אי-הבחנה תחת התקפות נבחרות (IND-CPA, IND-CCA). יהא $\Pi = (Gen, Enc, Dec)$ סכמת הצפנה סימטרית. נאמר כי $\Pi$ היא מאובטחת-IND-CPA אם לכל יריב PPT $\mathcal{A}$, היתרון:

$$ Adv_{\Pi}^{IND-CPA}(\mathcal{A}) = |Pr[b’ = b] - 1/2| $$

הוא זניח.

פרוטוקולים כגון TLS 1.3 (RFC 8446) משלבים פרימיטיבים תחת מודלים פורמליים, אולם אבטחתם מניחה מימושים נכונים. עבודות כגון Bhargavan et al. (IEEE S&P 2017) הראו את היעילות של אימות פורמלי עם ProVerif ו-miTLS, אך גישות אלו כמעט שאינן משולבות בניטור בזמן אמת.

ניתן לסווג גישות קיימות לשלוש קטגוריות:

1. אבטחה פורמלית סטטית — ProVerif, Tamarin, CryptoVerif.
2. ניהול תפעולי של מפתחות — AWS KMS, HashiCorp Vault.
3. ניטור תצורה — כלים כגון SSL Labs ו-testssl.sh.

אולם, פתרונות אלו פועלים באופן מבודד. מחקרים עדכניים על crypto-agility מדגישים את הצורך בהתאמה מהירה לפגיעויות חדשות, במיוחד בהקשר של קריפטוגרפיה פוסט-קוונטית. עם זאת, רוב המימושים מסתפקים בהחלפת אלגוריתמים, ללא שילוב של הערכת סיכון דינמית.

המגבלות שזוהו כוללות:

• היעדר מדדים כמותיים רציפים של סיכון.
• חוסר אינטגרציה בין יומנים תפעוליים לבין אימות פורמלי.
• מדיניות רוטציה המבוססת רק על מחזוריות זמן קבועה.

3. מודל האיום והפורמליזציה של הבעיה

אנו מתייחסים ליריב $\mathcal{A}$ בעל יכולות Dolev-Yao מורחבות: יירוט, שינוי והזרקה של הודעות, וכן פגיעה חלקית בצמתים בהסתברות $p_c$.

אנו מגדירים את קבוצת המפתחות הפעילים בזמן $t$ כ-$K(t) = {k_1, …, k_n}$. לכל מפתח $k_i$ יש זמן חשיפה $\tau_i$ ורמת הרשאה $\pi_i$.

אנו מודלים את הסיכון הקריפטוגרפי המצטבר כ:

$$ R(t) = \sum_{i=1}^{n} \alpha \cdot f(\tau_i) \cdot \pi_i \cdot P_{comp}(k_i) $$

כאשר $\alpha$ הוא פקטור נרמול ו-$P_{comp}(k_i)$ היא ההסתברות המוערכת לפגיעה.

הבעיה היא למזער את $R(t)$ בכפוף לאילוצים:

$$ Latency(t) \leq L_{max} $$

$$ Throughput(t) \geq T_{min} $$

תכונות האבטחה הרצויות כוללות:

• סודיות תחת IND-CCA.
• Forward secrecy.
• אי-שימוש חוזר ב-nonces.

4. המתודולוגיה המוצעת

הארכיטקטורה שלנו ACAV כוללת שלושה מודולים:

1. מודול אימות פורמלי (MVF).
2. מודול טלמטריה קריפטוגרפית (MTC).
3. מודול רוטציה אדפטיבית (MAR).

ה-MVF ממדל פרוטוקולים ב-LTL, ומאמת תכונות כגון:

$$ G(Handshake \rightarrow F(SessionKeyEstablished)) $$

ה-MTC אוסף מדדים של שימוש במפתחות, תדירות handshake וכשלים באימות.

ה-MAR פותר באופן תקופתי:

$$ \min_{S \subseteq K} R(t) $$

כאשר $S$ היא תת-קבוצה של מפתחות שיש לסובב.

אלגוריתם 1: חישוב סיכון

Input: K(t)
Output: R(t)

R <- 0
for each k in K(t):
    tau <- exposure_time(k)
    p <- compromise_probability(k)
    R <- R + alpha  f(tau)  privilege(k)  p
return R

סיבוכיות: $O(n)$.

אלגוריתם 2: בחירה אדפטיבית של רוטציה

Input: K(t), L_max
Output: S

Sort K by descending risk contribution
S <- {}
for k in K:
    if latency_after_rotation(S ∪ {k}) <= L_max:
        S <- S ∪ {k}
return S

סיבוכיות: $O(n \log n)$.

5. מימוש

מימשנו את ACAV ב-cluster Kubernetes 1.28 עם 64 צמתים (Intel Xeon 2.6 GHz, 128 GB RAM). השתמשנו ב-OpenSSL 3.0 עם תמיכה ב-FIPS providers ושילוב עם HSM Thales Luna.

ה-MVF מומש באמצעות אינטגרציה עם Tamarin prover, תוך אוטומציה של אימות בכל עדכון תצורה.

ה-MTC משתמש ב-Prometheus לאיסוף מדדים וב-Elastic Stack לניתוח.

בחרנו ב-sidecars ליירוט TLS, תוך מזעור שינויים בקוד היישום.

6. הערכה ניסויית

הגדרה ניסויית:

• 64 צמתים פיזיים.
• 10,000 חיבורי TLS 1.3 בו-זמנית.
• Baseline: רוטציה קבועה כל 24h.
• מדדים: השהיה ממוצעת, throughput (req/s), סיכון $R(t)$.

תוצאות:

• הפחתה ממוצעת של $R(t)$: 47.3%.
• תקורת השהיה: 3.8% (±0.6%).
• הפחתה בשימוש חוזר במפתחות: 92%.
• Throughput baseline: 84,200 req/s.
• Throughput ACAV: 82,450 req/s (-2.1%).

מבחן t מזווג הצביע על $p < 0.01$ עבור הפחתת הסיכון.

7. דיון

התוצאות מאשרות כי מדיניות אדפטיבית המבוססת על טלמטריה מפחיתה באופן משמעותי את הסיכון השיורי. השפעת הביצועים נותרה מתחת ל-5%, דבר הראוי בסביבות ארגוניות.

המגבלות כוללות תלות בהערכות של $P_{comp}$ והיעדר הערכה בסביבות multi-cloud הטרוגניות.

8. מסקנה ועבודה עתידית

הצגנו ארכיטקטורה אדפטיבית וניתנת לאימות להפחתת סיכון קריפטוגרפי בתשתיות מבוזרות. הדגמנו הפחתה מהותית בסיכון עם תקורה מינימלית.

עבודות עתידיות כוללות שילוב עם אלגוריתמים פוסט-קוונטיים (CRYSTALS-Kyber) והחלת למידת מכונה להערכה דינמית של $P_{comp}$.

REFERENCES

[1] D. Dolev and A. Yao, “On the Security of Public Key Protocols,” IEEE Trans. Inf. Theory, 1983.
[2] E. Rescorla, “The Transport Layer Security (TLS) Protocol Version 1.3,” RFC 8446, 2018.
[3] B. Blanchet, “ProVerif,” IEEE S&P, 2001.
[4] K. Bhargavan et al., “miTLS,” IEEE S&P, 2017.
[5] NIST, “FIPS 140-3,” 2019.
[6] Verizon, “Data Breach Investigations Report,” 2023.
[7] MITRE, “ATT&CK Framework,” 2023.
[8] M. Bellare and P. Rogaway, “Introduction to Modern Cryptography,” 2005.
[9] O. Goldreich, “Foundations of Cryptography,” 2001.
[10] J. Katz and Y. Lindell, “Introduction to Modern Cryptography,” 2014.
[11] HashiCorp, “Vault Documentation,” 2023.
[12] AWS, “Key Management Service,” 2023.
[13] NIST, “SP 800-57,” 2020.
[14] NIST, “SP 800-52r2,” 2019.
[15] Tamarin Prover Manual, 2022.
[16] OpenSSL Project, “Security Advisory,” 2022.
[17] Thales, “Luna HSM Documentation,” 2023.
[18] C. Cremers, “The Scyther Tool,” CAV 2008.
[19] M. Green and M. Smith, “The Cryptopals Crypto Challenges,” 2016.
[20] NIST, “Post-Quantum Cryptography Standardization,” 2023.