Technisches Resümee: Drei Achsen des Quantenrisikos

1. Problemstellung

Die Post-Quanten-Migration ist von der Forschung zur operativen Notwendigkeit übergegangen, getrieben durch die Finalisierung von FIPS 203/204/205 durch das NIST und die CNSA 2.0-Fristen der NSA (2025–2033). Aktuelle Werkzeuge zur kryptografischen Beobachtbarkeit leiden jedoch unter einer kritischen Einschränkung: Sie beantworten für jedes Asset lediglich eine einzige Frage – „Ist sein Primitiv Post-Quanten (PQ)-resistent?“

Dieser einachsige Ansatz erfasst das gesamte Quantenrisiko-Profil nicht vollständig, da:

1. Kanalschutz ignoriert wird: Zwei Assets mit identischen Algorithmen (z. B. ECDSA-P256) haben grundlegend unterschiedliche Risikoprofile, wenn eines über eine ungeschützte Verbindung und das andere über eine Quantum Key Distribution (QKD)-Verbindung operiert.
2. Krypto-Agilität unsichtbar bleibt: Ein Asset, das einen klassischen Algorithmus verwendet, der über Konfiguration geändert werden kann, befindet sich in einem anderen Risikozustand als ein Asset, bei dem der Algorithmus fest in der Firmware implementiert ist. Aktuelle Tools bilden „Migrationsagilität“ nicht als primären Telemetrie-Metrik ab.
3. Mangel an vereinheitlichter Modellierung: PQC und QKD werden in der Literatur oft als sich gegenseitig ausschließende Alternativen behandelt, während Operatoren ein vereinheitlichtes Modell benötigen, um Umgebungen zu bewerten, in denen hybride Implementierungen die Realität sind.

Infolgedessen können Operatoren nicht präzise die Frage beantworten: „Können wir rechtzeitig PQ-bereit werden?“, da ihnen eine einheitliche Sicht auf algorithmische Resistenz, Kanalsicherheit und Migrationsgeschwindigkeit fehlt.

2. Methodik

Die Autoren schlagen ein Drei-Achsen-Quantenrisiko-Postur-Modell vor, das Risiko als ein mehrdimensionales Beobachtungsproblem behandelt. Jedes Asset wird auf drei unabhängigen Achsen bewertet, die dann zu einem einzelnen, fristenangepassten Score, $q(asset, t)$, zusammengeführt werden.

Die drei Achsen

• Achse A (Algorithmische Resistenz): Bewertet die kryptografischen Primitive auf einer Skala von [0, 1].
  • 1.0: PQ-resistent (z. B. ML-KEM, ML-DSA).
  • 0.9: PQ-Hybrid (z. B. X25519 + ML-KEM).
  • 0.3: Klassisch (z. B. RSA-2048, ECDSA).
  • 0.0: Veraltet/Gebrochen (z. B. SHA-1, RC4).
  • Die Scores werden nach Rolle (Signatur, Schlüsselaustausch, Verschlüsselung, Hash) gewichtet.
• Achse C (Kanalschutz): Bewertet den Schlüsselbereitstellungsmechanismus auf einer Skala von [0, 1].
  • 1.0: Nur QKD.
  • 0.7: QKD-Hybrid PSK (aus QKD abgeleitete Schlüssel in hybriden Modi).
  • 0.0: Nur klassisch.
  • Diese Achse berücksichtigt die Link-Degradation (z. B. hohe Quantum Bit Error Rate), indem sie den Score proportional diskontiert.
• Achse G (Migrationsagilität): Bewertet die Fähigkeit, Primitive zu ändern, auf einer Skala von [0, 1].
  • 1.0 (Verhandelt): Algorithmus wird pro Sitzung ausgewählt (z. B. TLS 1.3).
  • 0.75 (Konfigurierbar): Änderbar über eine Konfigurationsdatei.
  • 0.50 (Gepinnt): Im Quellcode festgeschrieben, änderbar via Software-Upgrade.
  • 0.20 (Gesperrt): In der Firmware oder in FIPS-validierten Modulen festgeschrieben.
  • 0.0 (Eingefroren): In Silizium/ROM fixiert.

Der vereinheitlichte Score

Das Modell berechnet einen fristenangepassten Risikoscore $q(asset, t)$:
$$q(asset, t) = 1 - (\alpha \cdot A + \beta \cdot C + \gamma(\tau) \cdot G)$$
Wobei $\tau$ die „Deadline-Spannung“ (wie nah der aktuelle Zeitpunkt $t$ an der Deadline $D$ des Operators liegt) darstellt. Je näher die Frist rückt, desto kleiner wird das Gewicht $\gamma$, das der Agilität zugewiesen wird, was widerspiegelt, dass hohe Agilität weniger verzeihend ist, wenn die Zeit knapp wird. Eine BLOCKED-Flag wird für Assets mit geringer Agilität gesetzt, die nicht rechtzeitig migriert werden können, unabhängig von ihrem aktuellen Score.

Implementierung: Sezar

Die Autoren implementierten Sezar, eine Open-Source-Observability-Plattform in Rust, um dieses Modell zu operationalisieren. Kernkomponenten sind:

• Schema-Erweiterung: Erweiterung des crypto_inventory_event v1 Schemas um die Felder channel_protection und agility.
• Fünf Agenten:
  1. sezar-net: eBPF-basierte TLS/SSH/IPsec-Beobachtung.
  2. sezar-qkd: ETSI GS QKD 014 Collector und ein synthetischer KME-Emulator zu Testzwecken.
  3. sezar-agility: Statischer Scanner unter Verwendung von Semgrep-Regeln zur Analyse von Quellcode und Binärdateien auf Agilitätslevel.
  4. sezar-cert: X.509-Inventur via CT-Logs und Host-Scans.
  5. sezar-chain: Beobachtung öffentlicher Blockchains.
• Rollup-Engine: Eine reine Funktion, die Events ingestiert und den vereinheitlichten Score basierend auf operator-konfigurierten Gewichten und Deadlines berechnet.

3. Kernbeiträge

1. Das Drei-Achsen-Modell: Ein formales Framework, das algorithmische Resistenz, Kanalschutz und Migrationsagilität trennt und anerkennt, dass PQC und QKD komplementäre Observablen sind.
2. Schema-Erweiterung: Eine streng additive Aktualisierung des crypto_inventory_event-Schemas (v1.1), die interoperable Telemetrie für QKD und Agilität ermöglicht.
3. Sezar Referenzimplementierung: Ein vollständiger Open-Source-Stack (Agenten, Collector, Dashboard), der eBPF-Netzwerkbeobachtung, REST-basierte QKD-Telemetrie und statische Code-Analyse vereint.
4. QKD-Emulator: Ein ETSI GS QKD 014 Key Management Entity (KME) Emulator, der es Praktikern ermöglicht, QKD-bewusste Software ohne physische Hardware zu testen.
5. Agilitäts-Rubrik & Korpus: Ein fünfstufiges ordinales Scoring-System, das über ein Semgrep-Regelpaket operationalisiert wurde und gegen einen hand-gradierten Ground-Truth-Korpus von 50 Open-Source-Server-Projekten validiert wurde.

4. Empirische Ergebnisse

Das Paper validiert das Modell durch drei reproduzierbare Studien:

• Studie 1 (Achse A - Tranco Top-1k):

  • Scannte 724 responsive Hosts aus den Tranco Top-1k.
  • Ergebnis: 43,8 % der Hosts verhandelten einen hybriden PQ-Schlüsselaustausch (X25519MLKEM768), wenn dieser angeboten wurde. Jedoch verhandelten 16,9 % weiterhin TLS 1.2 (strukturell PQ-unfähig), und die Zertifikats-Signaturverteilung blieb RSA-dominant (64,9 %).
  • Erkenntnis: Single-Axis-Scans übersehen strukturelle Zwänge (TLS-Version) und den Mangel an Zertifikats-Agilität.

• Studie 2 (Achse C - QKD-Emulator):

  • Testete das System gegen 13 induzierte Zustandsübergänge in fünf Fehlerszenarien (Steady-State, Degradation, Hard Failure, Stale PSK, Bifurcated SAE).
  • Ergebnis: 13/13 Zustandsänderungen wurden korrekt klassifiziert. Das System unterschied korrekt zwischen Link-Level-Fehlern und pro-Session-Attributionsproblemen (z. B. wenn eine SAE fehlschlug, während eine andere erfolgreich war).
  • Erkenntnis: Link-Level-Telemetrie allein ist unzureichend; eine pro-Session-Attribution ist erforderlich, um den Kanalschutz präzise zu bewerten.

• Studie 3 (Achse G - Agility Pilot):

  • Verglich den sezar-agility Scanner mit dem hand-graduierten Ground Truth für eine 11-Projekt-Teilmenge des 50-Projekt-Korpus.
  • Ergebnis: 91 % Übereinstimmung (10/11 Projekte). Die einzige Unstimmigkeit betraf chrony, wo die statische Evidenz zwischen „konfigurierbar“ und „gepinnt“ ambivalent war.
  • Erkenntnis: Statische Analyse kann eine substanzielle Übereinstimmung mit menschlicher Bewertung erreichen, wobei Lücken in der Go-Ecosystem-Abdeckung (anfänglich fehlende crypto/tls-Muster) Regel-Updates erforderten.

5. Bedeutung und Ansprüche

Das Paper behauptet, dass die „Single-Bit“-Metrik der PQ-Bereitschaft für Operatoren, die vor den Deadlines 2030–2033 stehen, unzureichend ist. Die Bedeutung dieser Arbeit liegt in:

1. Ganzheitliche Risikobewertung: Es zeigt, dass das Risiko eines Assets nicht nur von dem verwendeten Algorithmus abhängt, sondern auch davon, wie die Schlüssel geliefert werden und wie schnell der Algorithmus ausgetauscht werden kann.
2. Operative Machbarkeit: Es beweist, dass ein vereinheitlichtes Observability-Modell, das PQC, QKD und Agilität abdeckt, mit Standard-Hardware und Open-Source-Tools aufgebaut werden kann, ohne proprietäre kommerzielle Stacks zu benötigen.
3. Handlungsorientierte Priorisierung: Durch die Zusammenführung der drei Achsen in einen fristenangepassten Score ermöglicht das Modell Operatoren, Migrationsbemühungen bas sich auf einer realistischen „Time-to-Fix“ statt nur auf der „aktuellen Vulnerabilität“ zu priorisieren.
4. Reproduzierbarkeit: Die Autoren stellen das vollständige Schema, den Emulator, die Regelsätze und den Ground-Truth-Korpus zur Verfügung, um der Community zu ermöglichen, die Scoring-Konstanten und Gewichte zu verifizieren, zu kritisieren und zu verfeinern, anstatt sie als absolute Wahrheiten zu akzeptieren.

Die Autoren stellen explizit klar, dass das Modell nicht die ökonomischen oder politischen Zwänge der Migration löst, sondern die notwendige Telemetrieschicht bereitstellt, um diese Entscheidungen informiert zu treffen. Der Beitrag ist das Modell und das Werkzeug, nicht die spezifischen numerischen Scores, welche als operator-konfigurierbar vorgesehen sind.