Towards Post-Quantum Secure Pharmacovigilance with ML-KEM and ML-DSA

Resumo Técnico: Rumo à Farmacovigilância com Segurança Pós-Quântica com ML-KEM e ML-DSA

Definição do Problema
Os sistemas de farmacovigilância gerenciam dados de saúde sensíveis, incluindo relatórios de eventos adversos e observações clínicas, que devem permanecer confidenciais por muitos anos. Os atuais sistemas criptográficos de chave pública (ex: RSA, ECC) enfrentam vulnerabilidades potenciais a futuros avanços da computação quântica, especificamente através do algoritmo de Shor. Isso cria um modelo de ameaça de "colha agora, decifre depois" (HNDL - harvest now, decrypt later), onde adversários podem interceptar e armazenar dados criptografados hoje para decifrá-los assim que os computadores quânticos se tornarem suficientemente poderosos. Além disso, esses sistemas exigem integridade e autenticidade robustas de dados para evitar a manipulação de relatórios de segurança, o que poderia levar a conclusões clínicas incorretas. Embora a Criptografia Pós-Quântica (PQC) ofereça algoritmos resistentes a ataques quânticos, existe uma lacuna na compreensão de como integrar essas primitivas padronizadas em pipelines de dados de saúde realistas de ponta a ponta.

Metodologia
Os autores projetaram e implementaram um protótipo educacional de ponta a ponta de um pipeline de dados de farmacovigilância seguro contra ataques pós-quânticos. O sistema modela um fluxo de dados simplificado, porém realista, envolvendo quatro componentes principais: um Hospital (remetente), um Servidor de Gateway (nó intermediário), um Sistema Farmacêutico (receptor) e um Módulo de Atacante (simulando o comportamento adversário).

O pipeline criptográfico emprega uma abordagem em camadas usando algoritmos baseados em redes (lattice-based) padronizados pelo NIST:

1. Estabelecimento de Chave: O hospital utiliza o ML-KEM-768 (Mecanismo de Encapsulamento de Chave Baseado em Redes Modulares) para encapsular um segredo compartilhado usando a chave pública do gateway.
2. Derivação de Chave: O segredo compartilhado é processado através do HKDF-SHA-256 para derivar uma chave de criptografia simétrica de 256 bits.
3. Criptografia de Dados: Os dados de farmacovigilância (tratados como fluxos de bytes brutos, independentemente do formato) são criptografados usando AES-256-GCM para confidencialidade e integridade.
4. Assinaturas Digitais: O payload criptografado é assinado usando ML-DSA-65 (Algoritmo de Assinatura Digital Baseado em Redes Modulares) para garantir autenticidade e detectar manipulações.
5. Transmissão e Verificação: O payload (criptograma ML-KEM, criptograma AES, assinatura e metadados) é enviado ao gateway. O gateway decapsula a chave, e o sistema farmacêutico verifica a assinatura ML-DSA antes de descriptografar os dados.

O sistema suporta múltiplos formatos de arquivo (TXT, CSV, JSON, PDF) ao processá-los como bytes brutos. Um dashboard baseado na web visualiza a atividade do sistema, incluindo logs de pacotes e métricas de benchmarking. A implementação utiliza bibliotecas Python de código aberto existentes para ML-KEM e ML-DSA, em vez de implementar os algoritmos do zero.

Principais Contribuições

• Integração em Nível de Sistema: O artigo vai além da análise teórica de algoritmos para demonstrar a integração de ML-KEM e ML-DSA em um pipeline de dados funcional envolvendo estabelecimento de chaves, criptografia simétrica e assinaturas digitais.
• Simulação de Ataque: O protótipo inclui um módulo de atacante dedicado que simula manipulação de criptograma, corrupção aleatória, truncamento e modificação baseada em replay para demonstrar a capacidade do sistema de detectar violações de integridade.
• Benchmarking de Desempenho: Os autores avaliaram o sistema usando conjuntos de dados sintéticos variando de 1 MB a 10 MB em diferentes formatos de arquivo para medir o overhead computacional das primitivas PQC em comparação com a criptografia simétrica.
• Protótipo Educacional: O trabalho serve como uma exploração prática de como a PQC pode ser aplicada a fluxos de dados de saúde, destacando tanto a viabilidade quanto as limitações arquiteturais atuais.

Resultos
A avaliação de desempenho revelou as seguintes tendências:

• Overhead Constante: Os tempos de encapsulamento e decapsulamento do ML-KEM permaneceram quase constantes independentemente do tamanho do arquivo, adicionando um pequeno overhead fixo ao pipeline.
• Escalonamento Linear: Os tempos de criptografia/descriptografia AES e de assinatura ML-DSA aumentaram linearmente com o tamanho dos dados. Para payloads maiores (ex: 10 MB), a criptografia simétrica e as assinaturas digitais dominaram o tempo de execução, enquanto o custo de estabelecimento de chave PQC permaneceu insignificante em comparação.
• Independência de Formato: O sistema demonstrou desempenho consistente entre os formatos TXT, CSV, JSON e PDF, confirmando que o processamento de dados como fluxos de bytes brutos abstrai efetivamente a estrutura do arquivo do desempenho criptográfico.
• Eficácia de Segurança: Simulações de ataque confirmaram que qualquer modificação no payload criptografado resultou em falhas de verificação de assinatura (ML-DSA) ou incompatibilidades de tag de autenticação (AES-GCM), impedindo com sucesso o processamento de dados manipulados.

Significância e Limitações
O artigo posiciona este trabalho como uma exploração educacional em nível de sistema, e não como um sistema de saúde pronto para produção. Sua significância reside em demonstrar a viabilidade de integrar as primitivas PQC padronizadas pelo NIST (ML-KEM e ML-DSA) em um pipeline de dados realista para mitigar ameaças quânticas de longo prazo aos dados de farmacovigilância.

Os autores reconhecem explicitamente várias limitações:

• Implementação: O uso de bibliotecas Python não otimizadas e de caráter educacional significa que os resultados de desempenho podem não refletir implantações de nível de produção que utilizam aceleração de hardware ou bibliotecas C otimizadas.
• Integridade de Metadados: O design atual assina apenas o payload criptografado, não os metadados (ex: nome do arquivo, origem). Consequentemente, a manipulação apenas de metadados pode passar despercebida.
• Escopo de Segurança: O modelo de ameaça foca em ataques de nível de rede (manipulação, replay) e não aborda ameaças internas, comprometimento de chaves ou vulnerabilidades de canal lateral (side-channel).
• Exposição de Chave de Sessão: Para fins de demonstração, o gateway registra o segredo compartilhado recuperado, uma prática que seria inaceitável em uma implantação segura do mundo real.

Os autores concluem que, embora a integração da PQC introduza overhead adicional, ela é computacionalmente viável para troca de dados de média escala, sendo que o principal custo de desempenho é impulsionado pela criptografia simétrica e assinaturas, e não pelo próprio estabelecimento de chave pós-quântica. Sugere-se que trabalhos futuros incluam abordagens híbridas para compatibilidade retroativa, melhorias na integridade de metadados e modelagem de ameaças mais avançada.