Observability for Post-Quantum TLS Readiness: A Multi-Surface Evidence Framework

Este documento presenta un marco de evidencia multi-superficie para la observabilidad en la preparación de TLS post-cuántico que integra mediciones pasivas, activas y basadas en registros para distinguir con precisión los comportamientos de sesión y las capacidades de los puntos finales, demostrando una detección significativamente superior de la establecimiento de claves híbridas y las vulnerabilidades cuánticas en comparación con los analizadores de referencia existentes.

Lo esencial

Imagina que el sistema de seguridad de internet (TLS) es como una caja fuerte de alta tecnología. Durante décadas, las cerraduras de estas cajas fuertes han estado hechas de metal "clásico". Pero los científicos han descubierto una nueva herramienta "cuántica" que eventualmente podría abrir estas cerraduras. Para mantenerse seguros, los bancos están comenzando a instalar cerraduras "híbridas", combinando el metal antiguo con una nueva aleación cuántica superresistente.

¿El problema? Necesitamos saber qué bancos tienen realmente instaladas estas nuevas cerraduras híbridas. Pero verificarlo es complicado. Algunos bancos solo muestran la cerradura cuando te acercas a la puerta (una vista pasiva), mientras que otros ocultan la cerradura detrás de un espejo unidireccional (una vista cifrada). Algunos bancos podrían tener la nueva cerradura instalada pero solo utilizan la antigua para un cliente específico.

Este artículo presenta un nuevo marco de inspección multi-superficie para resolverlo. En lugar de solo mirar la puerta, los autores construyeron un sistema que verifica la caja fuerte desde cuatro ángulos diferentes para obtener una imagen completa.

Los cuatro ángulos de inspección (las "superficies")

Piensa en tratar de averiguar si un banco está preparado para el futuro. No puedes simplemente estar de pie en la acera; necesitas mirar desde diferentes lugares:

1. La vista desde la acera (Sesión pasiva): Te paras en la calle y observas cómo entra un cliente. Ves lo que hacen, pero no puedes ver todo lo que hay dentro. En el mundo digital, esto es la monitorización "pasiva". Funciona muy bien para sistemas más antiguos (TLS 1.2) donde la puerta está abierta, pero para sistemas más nuevos y cifrados (TLS 1.3), la puerta está cerrada y no puedes ver el mecanismo de la cerradura.
2. La sonda del detective (Sondeo activo): En lugar de solo observar, el detective llama a la puerta y pregunta: "Oye, ¿tienes una cerradura híbrida?". El banco podría decir: "Sí, la tengo", incluso si el cliente que acaba de entrar no la solicitó. Esto revela lo que el banco puede hacer, no solo lo que hizo.
3. La verificación de planos (Cadena de certificados): El detective va a la oficina del banco para revisar los planos y las credenciales de los guardias. Esto confirma quién es el banco y cuánto dura su plan de seguridad actual.
4. El libro de reglas (Registro): El detective lleva una enciclopedia masiva y actualizada de todos los tipos de cerraduras conocidas, incluidas las nuevas experimentales, para asegurarse de que están nombrando las cosas correctamente.

El "objeto de medición": un boletín de calificaciones completo

El artículo argumenta que las herramientas antiguas solo te dan una respuesta de "Sí/No" basada en lo que vieron en la acera. Si no vieron la nueva cerradura, dicen "No".

El nuevo marco crea un boletín de calificaciones estructurado (un "Objeto de Medición") que separa diferentes hechos:

• ¿Qué sucedió en esta transacción específica? (El cliente usó una cerradura antigua.)
• ¿De qué es capaz el banco? (El banco tiene una cerradura híbrida y puede usarla si se le pide.)
• ¿Quién es el banco? (Verificado por los planos.)
• ¿Cuál es el nivel de confianza? (¿Lo vimos o estamos adivinando?)

Crucialmente, este boletín de calificaciones admite cuando no sabe. Si la puerta está cerrada y el detective no puede llamar, el informe dice "Desconocido" en lugar de adivinar "No". También señala contradicciones, como si los planos dicen "Cerradura Híbrida" pero la puerta solo muestra "Cerradura Antigua".

Los experimentos: qué encontraron

Los autores probaron su sistema de dos maneras:

1. La prueba de laboratorio (Escenarios controlados): Construyeron 29 cajas fuertes falsas en un laboratorio con configuraciones conocidas (algunas con cerraduras híbridas, otras sin ellas, algunas con puertas rotas, otras con cerraduras ocultas).

   • La herramienta antigua: Un escáner de seguridad estándar (la "línea base") solo encontró las nuevas cerraduras en 2 de 29 casos. Se perdió casi todas las cajas fuertes modernas y cifradas.
   • El nuevo sistema: Al combinar los cuatro ángulos, su sistema determinó el estado correcto para casi todos los escenarios, incluso cuando los datos eran desordenados o incompletos.

2. La prueba del mundo real (Campaña pública): Escanearon 1.000 sitios web reales en internet.

   • La sorpresa: Los escáneres estándar dijeron que 0 de estos sitios tenían cerraduras híbridas.
   • El nuevo sistema: Al usar la "sonda del detective" (pidiendo específicamente cerraduras híbridas), encontraron 310 sitios que podían usar cerraduras híbridas, aunque normalmente usaban las antiguas.
   • La idea de "capacidad más amplia": Para esos 310 sitios, el nuevo sistema demostró que los sitios eran capaces de usar las nuevas cerraduras, incluso si el cliente específico que los visitó no activó esa función. Es como descubrir que un coche tiene un botón de turbo, aunque el conductor nunca lo presionó.

La conclusión

El artículo concluye que para saber si internet está listo para el futuro cuántico, no podemos limitarnos a mirar lo que sucede en la superficie. Necesitamos un enfoque multicapa:

• Observar el tráfico (Pasivo).
• Preguntar al servidor qué puede hacer (Activo).
• Verificar los certificados (Cadena).
• Mantener un registro estricto de lo que sabemos, lo que no sabemos y de dónde proviene la información.

Este enfoque nos evita pensar falsamente que un sistema es seguro solo porque no vimos un problema, o pensar falsamente que es inseguro solo porque no pudimos ver las nuevas características. Trata el "No lo sé" como una respuesta válida e importante, en lugar de un fracaso.

Resumen técnico

Resumen Técnico: Observabilidad para la Preparación de TLS Post-Cuántico

Declaración del Problema
La transición a la Criptografía Post-Cuántica (PQC) en la Seguridad de la Capa de Transporte (TLS) presenta un desafío significativo de observabilidad. A medida que el ecosistema migra de algoritmos clásicos a ML-KEM y ML-DSA estandarizados por NIST, a menudo mediante mecanismos de establecimiento de claves híbridas (por ejemplo, X25519MLKEM768), los operadores y auditores carecen de métodos fiables para evaluar la preparación de los puntos finales. Los enfoques existentes enfrentan varias limitaciones:

• Opacidad del Protocolo: TLS 1.3 cifra el material de la mano, incluidos los certificados, lo que hace que la inspección pasiva de paquetes sea insuficiente para el análisis de autenticación y ciclo de vida.
• Fragmentación de la Evidencia: La capacidad del punto final (lo que un servidor admite) a menudo diverge de la negociación de la sesión (lo que negocia un cliente específico). Además, las cadenas de certificados recopiladas mediante sondeo activo pueden no vincularse temporal o lógicamente a una sesión pasiva capturada previamente.
• Brechas de Medición: Las herramientas tradicionales de inspección de paquetes a menudo no logran distinguir entre la negociación clásica y la capacidad híbrida latente, y tienen dificultades para manejar evidencia incompleta, contradictoria o ambigua sin producir falsos positivos o negativos.

Metodología
Los autores proponen un Marco de Evidencia Multisuperficie que trata la preparación para PQC como un problema de observabilidad que requiere fuentes de evidencia distintas mapeadas a planos de medición específicos.

1. Cuatro Superficies de Evidencia:

   • $\Sigma_P$ (Sesión Pasiva): Extraída de capturas de paquetes (por ejemplo, versión de TLS, suite de cifrado, grupos visibles). Limitada en TLS 1.3 debido al cifrado.
   • $\Sigma_A$ (Sondeo Activo): Generada por sondeos controlados (por ejemplo, perfiles de cliente que ofrecen grupos específicos). Utilizada para inferir cotas inferiores de capacidad del punto final.
   • $\Sigma_C$ (Cadena de Certificados): Artefactos recopilados mediante recuperación activa o visibilidad pasiva, que proporcionan datos de autenticación y ciclo de vida.
   • $\Sigma_R$ (Registro y Reglas): Mapeos canónicos para identificadores (grupos, OID), alias y reglas de inferencia.

2. Planos de Medición:
   La evidencia se proyecta sobre siete planos: Sesión, Establecimiento de Claves, Capacidad, Autenticación, Ciclo de Vida, Observabilidad y Política. Un objeto de medición se considera "cerrado" en un plano solo cuando está disponible evidencia suficiente de la superficie apropiada.

3. Diseño de Artefactos y Puntos de Referencia:

   • PQ-TLS Observability Benchmark v1: Un artefacto reproducible que contiene 29 escenarios (14 canónicos, 15 de estrés). Los escenarios canónicos prueban la extracción en condiciones limpias; los escenarios de estrés prueban el manejo de truncamiento, fragmentación, deriva temporal, HelloRetryRequest (HRR) y evidencia contradictoria.
   • Modos de Evaluación: El marco compara cuatro modos:
     • B0: Línea base heredada (inspector de paquetes de referencia).
     • B1: Solo pasivo.
     • B2: Pasivo + sondeo activo.
     • B3: Multisuperficie completa (Pasivo + Activo + Cadena + Registro).
   • Contratos de Estrés: A diferencia de la verdad fundamental de coincidencia exacta, los escenarios de estrés utilizan contratos de comportamiento para recompensar el manejo correcto de los estados unknown (desconocido), not_applicable (no aplicable), ambiguity (ambigüedad) y contradiction (contradicción).

Contribuciones Clave

1. Modelo de Evidencia Multisuperficie: Una separación formal de la sesión pasiva, el sondeo activo, la evidencia de la cadena de certificados y el registro, mapeándolos a planos de medición distintos para evitar la confusión entre el comportamiento de la sesión y la capacidad del punto final.
2. Artefacto Reproducible con Esquema Obligatorio: Una implementación pública (pq_tls_observability) que presenta Esquemas JSON para escenarios y resultados, registros versionados para identificadores de PQC en evolución y reglas de inferencia auditables.
3. Evaluación por Contrato de Estrés: Una metodología que puntúa a las herramientas en su capacidad para preservar la incertidumbre y detectar contradicciones en lugar de forzar decisiones binarias sobre datos incompletos.
4. Validación Empírica:
   • Punto de Referencia Controlado: Evaluación en 29 escenarios que cubren TLS 1.2/1.3, claves híbridas/clásicas, mTLS y diversas condiciones de red.
   • Campaña Pública: Un estudio estratificado de 1.000 objetivos públicos con 2.000 sondeos, comparando el marco contra escáneres estándar (SSLyze, testssl.sh) y líneas base heredadas.

Resultados

• Rendimiento del Punto de Referencia:
  • La línea base heredada (B0) detectó solo 2 de 29 ejecuciones y 0 de 23 ejecuciones de TLS 1.3, destacando el fracaso de la inspección solo de paquetes en entornos cifrados.
  • El modo multisuperficie (B3) logró el cierre completo en todos los planos en escenarios canónicos y manejó correctamente la incertidumbre en escenarios de estrés.
• Hallazgos de la Campaña Pública:
  • El marco completó 1.971 intercambios de claves y recopiló 1.368 artefactos de cadena.
  • Confirmó capacidad híbrida para 310 objetivos. Crucialmente, estos 310 objetivos se identificaron como casos de "capacidad más amplia que la sesión": una sola vista de sesión clásica los habría reportado como solo clásicos, mientras que la medición de doble sondeo reveló su soporte híbrido.
  • Los escáneres estándar (SSLyze, testssl.sh) reportaron 0 objetivos confirmados como híbridos en el segmento de 250 objetivos del zoológico de línea base, mientras que el modo de doble sondeo confirmó 70.
  • Estabilidad: Una ronda repetida (R1) mostró alta estabilidad (99,42% de estabilidad clara-completa) con una deriva mínima en los datos de capacidad y certificados.
• Heterogeneidad Familiar: Las tasas de confirmación híbrida variaron significativamente según la familia operativa (por ejemplo, 0,620 para comunidades de conocimiento frente a 0,110 para proveedores gubernamentales y de nube).

Significado y Afirmaciones
El artículo afirma que la evaluación fiable de la preparación para TLS post-cuántico requiere una disciplina de medición estructurada que separe:

1. Comportamiento de la Sesión (lo que se negoció) de la Capacidad del Punto Final (lo que se admite).
2. Fuentes de Evidencia (pasiva vs. activa vs. cadena) para mantener la procedencia y el enlace explícitos.
3. Medición de los Juicios de Política, permitiendo a los operadores ver la evidencia cruda antes de aplicar veredictos de preparación.

Los autores argumentan que tratar unknown, not_applicable, ambiguity y contradiction como salidas de medición de primera clase es esencial para una auditoría precisa. Concluyen que las líneas base actuales de escáneres proporcionan señales clásicas útiles, pero no logran revelar capacidades híbridas latentes sin variación deliberada de perfiles (doble sondeo) y recopilación de evidencia multisuperficie. El marco proporciona la infraestructura necesaria para cerrar la brecha entre los indicadores visibles de paquetes y una evaluación completa y basada en evidencia de la preparación post-cuántica.