Sicherheit in VoIP. Thomas Eisenbarth Seminararbeit Ruhr-Universität Bochum. Chair for Communication Security Prof. Dr.-Ing.

Transkript

1 Sicherheit in VoIP Thomas Eisenbarth Seminararbeit Ruhr-Universität Bochum Chair for Communication Security Prof. Dr.-Ing. Christof Paar

2 Inhaltsverzeichnis 1 Einführung Was ist Voice over IP (VoIP)? Konventionelle Telefonie Next Generation Network (NGN) Die Funktionsweise von VoIP H Session Initiation Protocol (SIP) Real Time Protocol (RTP) Sicherheitsanforderungen an VoIP Allgemeine Betrachtungen Momentaner Stand bei VoIP Ausblick

3 1 Einführung 1.1 Was ist Voice over IP (VoIP)? Übersetzt man Voice over IP, so stellt man fest, dass es um die Übertragung von Sprachdaten über das Internet Protocol geht. Im allgemeinen wird dieser Begriff aber synonym für Internet-Telefonie verwendet. Unter Internet-Telefonie versteht man in erster Linie natürlich auch Sprachdatenübertragung in Echtzeit, also das Netzwerk- und paketbasierte Gegenstück zur klassischen Telefonie. Mit Internet-Telefonie ist jedoch weit mehr möglich. Man kann ohne viel zusätzlichen Aufwand auch Video oder Nutzdaten in Echtzeit übertragen. Bei den Nutzdaten kann es sich um beliebige Daten handeln, z.b. Nachrichten von der Mailbox, ein Chat ähnlich ICQ oder gar Videospiele wie zum Beispiel Quake. Abbildung 1.1: IP Telefonie Grundlagen [5] Die grundsätzliche Funktionsweise von VoIP ist in Abb. 1.1 dargestellt. Wie bei der konventionellen Telefonie wird die Sprache über ein Mikrofon aufgenommen. Das analoge Signal wird digitalisiert und dann komprimiert, um die anfallende Datenmenge zu reduzieren. Danach werden die Daten paketweise über das Netz zum Empfänger verschickt.das Netz, das die beiden Telefonendgeräte verbindet, ist beliebig. Hier wäre ein Firmennetzwerk oder das Netz eines öffentlichen IP-Telefonieanbieters denkbar. Der Empfänger macht die ganze Prozedur wieder rückgängig, indem er die Daten aus den Paketen extrahiert, dekomprimiert und wieder D/A wandelt. Dieser Vorgang funktioniert kontinuierlich und in beide Richtungen.

4 1.2 Konventionelle Telefonie Konventionelle Telefonie Wie weiter oben schon erwähnt, ist die Internet-Telefonie paketorientiert. Im Gegensatz hierzu ist die konventionelle Telefonie über PSTN (Public Switched Telephone Network) leitungsorientiert. Hier wird von dem anrufenden Gerät bis zu dem angerufenen Gerät ein kompletter Kanal für die Dauer des Gesprächs reserviert. Diese Leitung ist also während der vollen Gesprächszeit blockiert. Der Vorteil dieses Systems liegt vor allem in seiner sehr hohen Zuverlässigkeit. Das System entstand vor über 100 Jahren und ist seitdem immer komfortabler, leistungsfähiger und zuverlässiger geworden. Mit einer Verfügbarkeit von 99,999% [5] ist das System also im Schnitt maximal 5 Minuten pro Jahr nicht verfügbar. Aufgrund der eigenen Stromversorgung kann man selbst bei einem Stromausfall noch telefonieren. Schaut man sich einen heutigen Büroarbeitsplatz an, so haben viele neben dem Telefonanschluss auch noch einen leistungsfähigen PC, der an das Firmennetzwerk angeschlossen ist. Das heißt, für jeden Arbeitsplatz müssen zwei Datenkabel verlegt werden. Wie weiter oben erwähnt, sieht die Situation für die Service Provider ähnlich aus, da sie auch zwei Infrastrukturen, eine für Daten und eine für die klassische Telefonie, einsetzen. Des Weiteren haben wir, wie oben erwähnt, durch die Leitungsorientierung eine Ressourcenverschwendung. Die Leitung ist auch dann blockiert, wenn zu einer Zeit während eines Gesprächs keine Daten anfallen. Außerdem ist die klassische Telefonie sehr unflexibel, wenn es um die Einführung neuer Dienste geht. Das klassische PSTN ist direkt auf seine Aufgaben zurechtgeschnitten. So muss zur Erweiterung unter Umständen eine komplett neue Infrastruktur geschaffen werden (wie es zum Beispiel bei der Vernetzung der Computer geschehen ist). Um alle diese Probleme zu lösen, gibt es eine Vision für ein neues Netz: Das Next Generation Network. 1.3 Next Generation Network (NGN) Das NGN soll eines Tages die verschiedenen einzelnen Netze zusammenführen und ablösen. Hierbei geht diese Vision noch über das Daten- und Telefonnetz hinaus. So könnten zusätzlich auch Radio und TV Inhalte mit in das neue Netz fließen usw. Hierbei würden alle Einzelnetze durch ein einziges Backbone-Netz ersetzt. Dabei würden auch alle Anwendungen paketorientiert realisiert. Durch diese Reduktion auf eine einzige Infrastruktur käme es zu einer Kosten- und Aufwandsreduktion. Eine einzelne Infrastruktur ist leichter zu warten. Außerdem könnte man eine bessere Auslastung gewährleisten und die Kosten senken. Bei der Einrichtung neuer Dienste wäre allenfalls ein Ausbau des vorhandenen Netzes, nicht aber eine zweite Infrastruktur notwendig. Bisher handelt es sich hierbei aber lediglich um eine Vision. So sind einige Probleme bisher ungelöst. Das größte Problem bei der Umsetzung der Telefonie im IP Netz ist im Moment die Sicherstellung der Qualität und der Zuverlässigkeit. So ist eine Latenzzeit für Datenpakete im Internet von 200 bis 700ms (im Gegensatz zu einer Latenzzeit von unter 100ms im PSTN[5]) nichts ungewöhnliches. Diese wird vom Nutzer schnell als störend empfunden und kann zur Nichtakzeptanz des Systems führen. Ähnlich sieht es mit der Zuverlässigkeit aus. Über die Uptime von

5 1.3 Next Generation Network (NGN) 3 VoIP-Systemen gibt es bisher noch keine zuverlässigen Daten. Verlässt man sich ganz auf die IP-Telefonie, so könnte man beispielsweise bei einem Netzwerkausfall nicht mal mehr einen Techniker anrufen. Ähnlich sieht es auch mit den Sicherheitsaspekten aus, auf die aber später noch ausführlicher eingegangen wird. Abbildung 1.2: Next Generation Network [7]

6 2 Die Funktionsweise von VoIP Hier werden die Protokolle, die standardmäßig für VoIP genutzt werden, näher betrachtet. Im Gegensatz zur analogen Telefonie werden die Nutzdaten (Sprache) und die Signalisierung getrennt voneinander übertragen. Dieser Ansatz wurde auch schon bei ISDN umgesetzt. Über den Signalisierungskanal wird die komplette Telefonatskontrolle abgewickelt. Die Verbindung wird aufgebaut, umgeleitet und beendet über diesen Kanal. Dabei werden auch die Eigenschaften des Nutzdatenkanals ausgehandelt und dieser freigeschaltet. Für die Signalisierung gibt es zwei Standard-Protokolle: den Umbrella-Standard H323 und das jüngere SIP. Beide sind zum Synonym für Internet-Telefonie geworden. Beide Standards nutzen zur Nutzdatenübertragung dasselbe Protokoll: RTP. Auf diese Protokolle wird später noch näher eingegangen. In größeren Netzwerktopologien müssen an sämtlichen Übergangsstellen zwischen Netzwerken Gateways eingerichtet sein. Benötigt werden Gateways auf jeden Fall zwischen H323- und SIP-Netzen bzw. zwischen einem dieser beiden und dem PSTN. Hierzu gibt es in weiteres Protokoll, MGCP / MEGACO, das wir aber nicht näher betrachten werden, da es wirklich nur in großen Netzwerktopologien benötigt wird und zum Verständnis von VoIP unbedeutend ist. Abschließend noch in Abb.2.1 eine Übersicht über die einzelnen Protokolle und ihre Zusammenhänge. Abbildung 2.1: VoIP Protokolle [3] In dieser Abbildung setzen die einzelnen Protokolle in der Anwendungsschicht auf

7 2.1 H323 5 TCP/IP bzw. UDP auf. Das ist in den Protokollen nicht zwingend vorgeschrieben, wohl aber aufgrund der großen Verbreitung dieser Netzwerke der Normalfall. Nach dieser Übersicht schauen wir uns nun die Protokolle im einzelnen näher an. 2.1 H323 H323 ist der ältere der beiden VoIP-Standards und wurde bereits 1996 in seiner ersten Fassung von der ITU (International Telecommunication Union) verabschiedet[1]. Deshalb orientiert er sich sehr stark an der klassischen Telefonie. Er ist ein Umbrella-Standard, setzt sich also aus verschiedenen Protokollen zusammen. Seit seiner ersten Veröffentlichung wurde er bereits mehrfach erweitert, was auf reges Interesse zurückschließen lässt. In H323 sind vier unterschiedliche Komponenten definiert: Terminal Die Terminals stellen die Endgeräte (z.b. PC, Hard-IP-Phone) dar. Sie müssen die Übertragung von Sprache und optional von Video und anderen Daten unterstützen. Die Hauptaufgabe ist der Informationsaustausch mit anderen Terminals in Punktzu-Punkt und Multipunktverbindungen (Konferenz). MCU (Multipoint Controller Unit) Im Falle einer Konferenz bauen die Terminals die Verbindungen über eine MCU auf. Die MCU hat zwei Komponenten, wovon eine obligatorisch und eine optional ist. Obligatorisch ist der Multipoint Controller (MC), der die Signalisierung übernimmt und die Anrufressourcen verwaltet. Der Multipiont Processor (MP) kann zwischen den verschiedenen Audio- und Videokomprimierungen hin- und herwandeln, so dass jeder Teilnehmer die Nutzdaten in seinem beforzugten Format empfangen kann. Da dies sehr rechenaufwendig ist, wird es in der Regel nicht angeboten. Gateway Wie ein klassisches Gateway ermöglicht es die Kommunikation über Protokollgrenzen hinweg, hier also mit SIP / PSTN Terminals. Hierzu werden die Protokollaufrufe übersetzt und die Mediadaten gewandelt. Gatekeeper Die letzte Komponente ist der Gatekeeper. Er ist nicht obligatorisch. Er übernimmt die Adressierung, Autorisierung und Authentifizierung der Terminals und kann die Bandbreite verwalten. Durch den Gatekeper wird dann auch eine eigene Zone definiert. Das heißt, alle von außen eingehenden Anrufe gehen über den Gatekeeper, der diese auch abweisen kann, z.b. wegen mangelnder Bandbreite. Auch innerhalb des Netzes werden alle Verbindungen über den Gatekeeper hergestellt. Dieser kann also zu Protokollierungszwecken genutzt werden und gewährleistet eine bessere Verteilung der Bandbreite.

8 2.2 Session Initiation Protocol (SIP) Session Initiation Protocol (SIP) SIP ist der jüngere der beiden Standards und wurde 1999 von der IETF (Internet Engineering Task Force[6]) in seiner ersten Fassung verabschiedet [1]. Er besteht, ähnlich wie z.b. HTTP-Protokoll aus ASCII-Nachrichten und ist einfacher gestaltet als H323. Deshalb ist SIP heute schon erfolgreicher als H323, obwohl es erst drei Jahre später beschlossen wurde. Wie H323 besteht auch SIP aus vier Komponenten: User Agent Die User Agents sind die Endpunkte einer Verbindung, also wieder Telefon, PC oder ähnliches. Hier wird noch weiter unterschieden: Der User Agent Client leitet einen Anruf ein, der User Agent Server informiert den Anwender über einen eingehenden Anruf. Registrar Server Der Registrar Server ist eine Art zentraler Schaltstelle. Hier melden sich sämtliche Geräte beim Einfügen ins Netz und danach in regelmäßigen Abständen. Ein Nutzer kann sich hierbei auch mit mehreren Geräten anmelden. Diese Informationen sammelt der Registrar Server in einer Datenbank und stellt die Informationen den folgenden Servern zur Verfügung (Location Service). Proxy Server Der Proxy Server ist der Ansprechpartner für seine Domain. Gehen hier Anrufe ein, sucht er selbstständig den Nutzer und verbindet das Gespräch. Das heißt, dass die Signalisierung beim Aufbau des Gesprächs ber den Proxy Server läuft. Ist die Verbindung erst einmal aufgebaut, vergisst er die Anfrage. Die Beendigung des Gesprächs wird direkt unter den User Agents ausgemacht. D.h., dass der Proxy Server zum Protokollieren der Verbindungsdauer nicht geeignet ist. Redirect Server Der Redirect Server unterscheidet sich nur wenig vom Proxy Server. Auch er versucht, den Angerufenen in seiner Domain zu finden. Ist der Nutzer jedoch nicht zu erreichen und hat eine Weiterleitungsadresse angegeben, gibt der Redirect Server die Informationen an den User Agent weiter. Dieser muss dann selbstständig bei der fremden Domain eine Anfrage starten. 2.3 Real Time Protocol (RTP) Zum Schluss betrachten wir das Real Time Protocol (RTP)[6], das sowohl von H323 als auch von SIP zur Mediadatenübertragung genutzt wird. Es ist ein Protokoll, das speziell zur Echtzeit-Datenübertragung entworfen wurde. Die Datenübertragung ist eine direkte Ende-zu-Ende Datenübertragung, d.h. die Datenübertragung findet ohne Umweg direkt zwischen den Endgeräten statt. Ähnlich wie bei FTP werden hierzu auch zwei Kanäle

9 2.3 Real Time Protocol (RTP) 7 geöffnet, RTP Steuerungskanal und RTP Medienkanal. Über den RTP Medienkanal werden die Nutzdaten ausgetauscht. Der zweite Kanal ist der TRCP Steuerungskanal. Über ihn werden Informationen über Sender und Empfänger übertragen. Zum Beispiel, welche Komprimierung bevorzugt verwendet wird bzw. welche möglich ist. Außerdem werden Informationen über die Quality of Service (QoS) ausgetauscht. So kann bei schlechter QoS der Codec gewechselt werden, um die Sprachqualität wieder zu verbessern. Dieses Protokoll hat noch einige Schwachstellen. Zum Beispiel werden die kompletten Daten unverschlüsselt übertragen. Diese Sicherheitsmängel und was man dagegen unternimmt, werden wir später noch betrachten. Zum Abschluss ist in Abb. 2.2 noch einmal ein Überblick über eine mögliche Netzwerkkonfiguration gegeben. Es gibt ein H323- und ein SIP-Netzwerk. Beide sind sowohl untereinander als auch zum PSTN über Gateways verbunden. Hier wird jetzt auch sichtbar, warum ein weiteres Protokoll, MGCP, benötigt werden kann. Abbildung 2.2: Mögliche VoIP Netzkonfiguration [7]

10 3 Sicherheitsanforderungen an VoIP 3.1 Allgemeine Betrachtungen Im letzten Teil wollen wir die Sicherheitsanforderungen, die an VoIP gestellt werden, betrachten. Hierbei spielt auch die Frage, wie viel Sicherheit für unser System notwendig ist, eine Rolle. Deshalb werden wir die klassische Telefonie mit dem, was momentan für VoIP verwendet wird, vergleichen[4]. Außerdem werden wir betrachten, welche Sicherheitsmechanismen in Zukunft in VoIP zum Standard werden könnten. Hierzu schauen wir uns zunächst mal die möglichen Angriffe an und wie es da mit der Sicherheit im PSTN aussieht. Hier sei von vornherein schon einmal erwähnt, dass die Endgeräte in der klassischen Telefonie sehr wenig Intelligenz enthalten und deshalb mit ihnen nur wenig Missbrauch getrieben werden kann. Hat man Zugang zu einer PBX, so besteht ein deutlich höheres Sicherheitsrisiko. Abhören eines Telefonats: Der wahrscheinlich offensichtlichste Angriff auf die Privatsphäre der Gesprächsteilnehmer. Andererseits ist die Möglichkeit, ein Telefonat abhören zu können, in einigen Ländern sogar gesetzlich gefordert. An den Endgeräten ist ein Abhören ohne physischen Zugang direkt nicht möglich. Ist physischer Zugang zu der Leitung vorhanden, so kann bei der analogen Telefonie sehr leicht abgehört werden, bei der digitalen Telefonie wären dann auch noch Protokollkenntnisse notwenig, die nicht bei allen Herstellern frei verfügbar sind. Einfacher gestaltet sich das ganze, wenn man Zugang zu der PBX hat. Hier kann man über eine Rekonfiguration leicht abgehört werden. Dazu muss die PBX natürlich zunächst gehackt worden sein. Denial of Service: Hier wird versucht, das Telefonnetz oder einzelne Komponenten außer Funktion zu setzen. Dies ist von den Endgeräten aus gar nicht möglich. Aufgrund der Leitungsorientierung hat jedes Gerät eine gesicherte Bandbreite und ist nur über die PBX zu erreichen. Eine PBX außer Betrieb zu setzen ist möglich. Hat man sie zum Beispiel gehackt, kann sie einfach außer Betrieb gesetzt werden, einzelne Anschlüsse können blockiert werden usw. Ohne sie zu hacken, ist es sehr schwierig, eine PBX lahmzulegen, ist aber bei einer ausreichend großen Anzahl von sowohl eingehenden als auch ausgehenden Gesprächsanfragen grundsätzlich nicht auszuschließen. Theft of Service: Es wird versucht, die Signalisierung so auszutricksen, dass man für einen gewollten Dienst nicht zu zahlen braucht oder ein anderer zahlt. Hierbei wird oft versucht, die eigene Identität zu verbergen oder zu fälschen. Hier sieht es auch wieder ähnlich wie bei den beiden oben genannten Fällen aus. Da die ganze Intelligenz in der PBX steckt, kann man an den Endgeräten nichts ausrichten. In einer gehackten PBX ist wieder so einiges möglich. Zusammenfassend kann man also sagen, dass die Sicherheit zwar nicht überall garantiert ist, insgesamt aber schon recht hoch ist. Die einzige Gefahr ist die Sicherheit der

11 3.2 Momentaner Stand bei VoIP 9 PBX, die durchaus gut zu schützen ist. 3.2 Momentaner Stand bei VoIP Wie bereits vorher erwähnt, ist die Mediadatenübertragung via RTP unverschlüsselt. Das heißt, dass die Datenübertragung durch einfaches Sniffen (Abhören gesendeter Pakete) abgehört oder durch Spoofen (Versenden gefälschter Pakete) gestört werden kann. Es findet auch keine gegenseitig gesicherte Authentifizierung statt, wodurch dies noch erleichtert wird. DOS-Attacken sind auch leichter möglich als im PSTN. Hier wird einfach ein Angriff auf die TCP/IP-Unterebene gestartet. Die Verfahren hierzu sind bekannt. So kann man gut über die Signalisierung angreifen. Fällt das TCP/IP-Netz aus oder kommt es zu einer Überlastung, so sind keine Telefonate mehr möglich. Durch das Fälschen von Paketen kann man auch Theft of Service erreichen. Zur genaueren Analyse müssten mehr Informationen zu den Abrechnungsmodalitäten bekannt sein. Bei einer Zuordnung der Kunden über die MAC-Adresse muss diese dann also lediglich gefälscht werden. Aber natürlich sind diese Sicherheitslücken schließbar. Und daran wird momentan auch gearbeitet. Andererseits sollen die Lösungen auch wieder nicht zu aufwendig sein, damit der Kostenvorteil von VoIP nicht durch den Mehraufwand aufgehoben wird. 3.3 Ausblick Zur Sicherung der Mediadaten ist im März letzten Jahres eine Erweiterung zu RTP, SRTP (Secure RTP) verabschiedet worden. Als neue Features enthält der Standard folgende neuen Merkmale: die Pakete werden verschlüsselt, so dass ein Abhören unmöglich wird. Des Weiteren müssen sich die beiden Teilnehmer gegenseitig authentifizieren. Außerdem wurde auch noch ein Replayschutz eingebaut, um zu verhindern, dass Pakete mehrfach abgespielt werden. Für die Verschlüsselung und Authentifizierung ist jedoch entweder ein pre-shared Secret oder eine Public-Key Infrastruktur notwendig. Dies ist in einem Firmennetwerk noch reltiv leicht zu realisieren, für das Internet ist es jedoch sehr komplex. Im Gegensatz hierzu ist die Signalisierung schon leichter zu schützen. Hierzu kann entweder IPSec eingesetzt werden, was ähnliche Probleme wie SRTP mit sich bringt, oder man verwendet TLS (z.b.ssh). Hierbei ist dann jedoch nur Hop by Hop-Sicherheit gegeben, keine direkte Ende-zu-Ende Sicherheit. Abschließend sei noch gesagt, dass diese Problematik auch erkannt worden ist und man anscheinend nach einer Lösung sucht. Die IETF arbeitet nämlich momentan an einem Vorschlag für eine Internet-PKI. Diese würde dann die Probleme bei der Sicherung lösen. Bis diese aber tatsächlich einsatzfähig und verfügbar sein wird, wird es wohl noch geraume Zeit dauern.

12 Abbildungsverzeichnis 1.1 IP Telefonie Grundlagen [5] Next Generation Network [7] VoIP Protokolle [3] Mögliche VoIP Netzkonfiguration [7]

13 Literaturverzeichnis [1] Andreas Hitzig VoIP Tutorial Zeitschrift ix 9/2004, Heise Verlag [2] Jörg Reiter IP Telefonie Zeitschrift Linux Magazin 08/2004, Linux New Media AG [3] Dorgham Sisalem, Jiri Kuthan Understanding SIP , GMD-Fokus [4] Alan Klein Security Analysis: Traditional Telephony and IP Telephony Sans Institute, 2003, as part of the Information Security Reading Room [5] Upkar Varshney and Christi Howard Voice Over IP Communications of the ACM, January 2002/Vol. 45, Association for Computing Machinery, Inc. [6] Internet Engineering Task Force Home Page [7] Siemens AG