quantum-safe: Bridging the Post-Quantum Production Gap with a Hybrid-by-Default Python Cryptography Library

Sintesi Tecnica: quantum-safe: Colmare il Divario Produttivo Post-Quantistico con una Libreria Crittografica Python Ibrida di Default

Enunciato del Problema
Sebbene le fondamenta algoritmiche della Crittografia Post-Quantistica (PQC) siano state consolidate nell'agosto 2024 con la finalizzazione degli standard NIST FIPS 203 (ML-KEM), FIPS 204 (ML-DSA) e FIPS 205 (SLH-DSA), permane un significativo "divario produttivo". Il documento identifica che, sebbene esistano implementazioni algoritmiche, l'infrastruttura necessaria a livello di produzione — in particolare combinatori ibridi, formati di chiavi versionati, helper di protocollo e strumenti di migrazione — è largamente assente. Questo divario costringe gli ingegneri del software a implementare manualmente combinazioni crittografiche complesse (ad esempio, X25519 + ML-KEM), un processo soggetto a errori e a implementazioni insicure. L'urgenza è guidata dalla minaccia "Raccogli Ora, Decifra Dopo" (HNDL), in cui gli avversari archiviano il traffico cifrato per una futura decifrazione tramite computer quantistici, e da mandati normativi come CNSA 2.0 che richiedono la migrazione entro il 2030.

Metodologia
Gli autori hanno adottato un approccio multifaccettato per valutare l'ecosistema PQC e validare la loro soluzione proposta:

1. Analisi del Divario dell'Ecosistema: Nove librerie PQC attivamente mantenute (che spaziano da Python, JavaScript, Rust, Go a Java) sono state valutate rispetto a otto dimensioni di prontezza produttiva utilizzando una rubrica ternaria (Completo, Parziale, Nessuno). Le dimensioni includevano il supporto KEM ibrido, gli strumenti di migrazione, l'integrazione di protocollo e l'agilità algoritmica.
2. Progettazione della Libreria: Gli autori hanno sviluppato quantum-safe, una libreria Python progettata per colmare i divari identificati. La progettazione aderisce a cinque principi: "Ibrido di default" (invertendo l'onere della sicurezza), agnosticismo del backend, prontezza di protocollo, versionamento delle chiavi orientato alla migrazione (utilizzando CBOR) e impostazioni predefinite sicure (ML-KEM-768).
3. Strumento di Benchmarking: È stato istituito un rigoroso framework statistico di benchmarking utilizzando 3.000 iterazioni, fissaggio della CPU e disabilitazione della raccolta dei rifiuti. I test sono stati condotti in due ambienti: ENV-2 (Docker/Linux con build ottimizzate AVX2/AVX-512) e ENV-1 (Windows 11 nativo con build generiche).
4. Analisi Statistica: Lo studio ha utilizzato la latenza mediana, il 95° percentile (p95), il test t di Welch per la significatività, la d di Cohen per la dimensione dell'effetto e gli intervalli di confidenza Bootstrap al 95%.
5. Proxy per Canali Laterali di Temporizzazione: Il documento introduce il Coefficiente di Variazione (CoV) come proxy pratico e di primo ordine per l'analisi dei canali laterali di temporizzazione a livello di libreria Python, utilizzando AES-256-GCM come riferimento di rumore a tempo costante.

Contributi Chiave

1. Matrice del Divario Produttivo: Una valutazione sistematica che rivela carenze critiche nell'ecosistema: supporto KEM ibrido (11% Completo), Percorso di Migrazione (22% Completo) e Livello di Protocollo (33% Completo).
2. La Libreria quantum-safe: Una libreria Python open-source che riduce l'implementazione KEM ibrida da circa 45 righe di boilerplate manuale a tre righe. Fornisce combinatori ibridi integrati, formati di chiavi CBOR versionati e helper per TLS/X.509.
3. Quantificazione Statistica del Sovraccarico: La prima misurazione statisticamente rigorosa della latenza per operazione per una libreria Python PQC ibrida, inclusi intervalli di confidenza e dimensioni dell'effetto.
4. Analisi di Concorrenza: La prima curva pubblicata di throughput-vs-concorrenza per una libreria Python PQC ibrida, che dimostra la stabilità delle prestazioni sotto carico.
5. Metodologia CoV: Una nuova applicazione del CoV alla valutazione delle librerie PQC per distinguere tra varianza temporale algoritmica (ad esempio, campionamento di rifiuto) e potenziali vulnerabilità dei canali laterali.

Risultati

• Sovraccarico delle Prestazioni: Un handshake completo X25519 + ML-KEM-768 si completa in 243 µs su Linux (ENV-2). Ciò rappresenta un sovraccarico di solo lo 0,5% - 2,5% di un tipico budget di round-trip TLS 1.3. Il sovraccarico del combinatore (serializzazione e HKDF) rappresenta circa 195 µs di questo totale.
• Concorrenza: Con 5.000 utenti concorrenti, il throughput rimane stabile a 2.848 ops/s, mostrando solo un degrado del 4,9% rispetto a una baseline a singolo utente. Ciò conferma che la sottostante libreria C liboqs rilascia con successo il Global Interpreter Lock (GIL) di Python durante le operazioni crittografiche.
• Canali Laterali di Temporizzazione:
  • Decapsulazione ML-KEM-768: Ha raggiunto un CoV del 3,9%, che rientra nel rumore di fondo del riferimento AES-256-GCM (2,1%) ed è coerente con i requisiti a tempo costante.
  • Firma ML-DSA-65: Ha esibito un alto CoV del 51,5%. Gli autori attribuiscono questo al meccanismo di campionamento di rifiuto FIPS 204 (una deliberata progettazione di sicurezza), non a una vulnerabilità del canale laterale.
• Varianza Ambientale: È stato osservato un aumento di velocità di 6,2× nella generazione di chiavi ML-KEM tra la build Linux ottimizzata (ENV-2) e la build generica Windows (ENV-1), evidenziando l'importanza dei flag di build (ad esempio, -DOQS_DIST_BUILD=ON) piuttosto che delle differenze del sistema operativo.

Significato e Affermazioni
Il documento afferma di risolvere la "questione produttiva" della migrazione PQC, che rimane irrisolta nonostante la risoluzione della "questione algoritmica". Fornendo una libreria che è "ibrida di default", quantum-safe previene strutturalmente il comune modo di fallimento delle implementazioni manuali di combinatori insicuri.

Gli autori affermano che la transizione verso la PQC ibrida in Python è ora "gestibile". Il sovraccarico delle prestazioni è trascurabile rispetto alla latenza di rete e l'usabilità dell'API è sufficiente per prevenire errori degli sviluppatori. Il documento posiziona quantum-safe non come sostituto degli strumenti di verifica formale (come ct-verif), ma come complemento pratico e leggero che affronta le esigenze immediate del deployment produttivo. Combinato con lo strumento complementare "Quantum-Safe Auditor" (QSA) per l'analisi statica, il lavoro presenta una toolchain completa, riproducibile e open-source per migrare codebase Python alla sicurezza post-quantistica.