Armazenamento de Arquivos Tolerante a Falhas sobre Arquivos JPEG: Uma Abordagem Inovadora

A ideia central é utilizar um conjunto de arquivos JPEG comuns como um meio de armazenamento distribuído para um contêiner de dados criptografados. Os dados são divididos em fragmentos redundantes e distribuídos entre os arquivos de imagem. Essa abordagem garante que o contêiner possa ser recuperado mesmo que parte dos arquivos JPEG seja perdida ou corrompida. O foco aqui não é a esteganografia clássica, mas sim a utilização de arquivos JPEG como um meio de armazenamento robusto.

Ao contrário dos métodos esteganográficos tradicionais, onde a perda de uma única imagem pode resultar na perda dos dados embutidos, esta técnica distribui o contêiner de dados por vários arquivos JPEG. A capacidade de recuperação é mantida mesmo após a perda de alguns desses arquivos. É importante notar que isso não é esteganografia no sentido clássico. Os dados adicionais são gravados após o marcador EOI (End Of Image) nos arquivos JPEG, tornando-os facilmente detectáveis por meio de uma análise simples. O objetivo principal é usar arquivos JPEG comuns como um meio de armazenamento distribuído para um contêiner criptografado, sem comprometer a funcionalidade das imagens no uso diário. Os arquivos JPEG permanecem visualmente idênticos a fotos comuns e não atraem atenção indevida. Mesmo a detecção de dados adicionais não permite determinar se eles constituem um contêiner criptografado, artefatos de gravação ou simplesmente uma sequência aleatória de bytes.

A escolha do formato JPEG se dá por duas razões principais. Primeiramente, o JPEG é o formato de imagem mais difundido entre os usuários, acumulando-se naturalmente em computadores e telefones, e sendo frequentemente compartilhado. Em segundo lugar, o formato JPEG possui uma característica específica: ele termina com um marcador especial EOI. Qualquer dado gravado após este marcador não é utilizado na decodificação da imagem, o que significa que os dados adicionais não afetam a exibição da fotografia. É precisamente essa área pós-EOI que será utilizada para armazenar os dados. Inicialmente, a solução pode parecer simples: dividir o contêiner criptografado em fragmentos e gravar um fragmento no final de cada arquivo JPEG. No entanto, surgem várias questões: como identificar quais arquivos JPEG pertencem a um mesmo contêiner? Como determinar a ordem dos fragmentos durante a montagem? Onde armazenar as chaves de criptografia? Como garantir que a perda de qualquer arquivo JPEG individual não torne o contêiner irrecuperável? E como fazer com que toda a 'cauda' JPEG pareça um conjunto aleatório de bytes?

Além do próprio fragmento do contêiner, cada arquivo JPEG deve conter dois blocos de informações de serviço: chaves de criptografia e metadados. Isso impõe vários requisitos: o contêiner e os metadados devem ser criptografados com uma chave mestra gerada aleatoriamente, e não com uma senha do usuário. A senha do usuário deve ser usada apenas para criptografar a chave mestra. A chave mestra não pode ser armazenada em um único arquivo JPEG, pois sua perda tornaria o contêiner irrecuperável. Portanto, cada arquivo JPEG deve conter seu próprio bloco de chaves de criptografia. Da mesma forma, cada arquivo JPEG deve conter seu próprio bloco de metadados, que ajudará a identificar quais arquivos JPEG pertencem a um contêiner específico, qual fragmento cada arquivo armazena e em que ordem a montagem deve ocorrer. Crucialmente, todas as informações de serviço devem parecer aleatórias e não se destacar do restante dos dados. Assim, tanto as chaves de criptografia quanto os metadados devem ser armazenados apenas de forma criptografada. Ao criar um contêiner, o sistema primeiro solicita a senha do usuário e gera uma chave mestra aleatória. O contêiner e seus metadados são criptografados com essa chave mestra, e a própria chave mestra é criptografada com a senha do usuário. Após o marcador EOI, são gravados sequencialmente o bloco de chaves de criptografia, o bloco de metadados e o fragmento do contêiner criptografado. Os blocos de chaves e metadados devem ter um tamanho fixo. Isso permite que, para abrir o contêiner, seja suficiente pegar qualquer arquivo JPEG com uma 'cauda' válida, descriptografar o primeiro bloco com a senha do usuário para obter a chave mestra, e então usar essa chave para descriptografar o segundo bloco e obter as informações necessárias para localizar e montar o contêiner.

Embora cada arquivo JPEG contenha a mesma chave mestra, os blocos de chaves de criptografia devem ser diferentes para evitar a repetição de sequências de bytes idênticas em todos os arquivos. Para garantir essa diferenciação, utiliza-se criptografia AEAD com salt e nonce aleatórios gerados separadamente para cada arquivo JPEG. Isso resulta em representações criptografadas distintas para cada bloco de chaves. Uma chave mestra de 32 bytes, após a criptografia AEAD, aumenta para 48 bytes (incluindo uma tag de autenticação de 16 bytes). Com salt e nonce, o tamanho total do bloco de chaves é de 76 bytes. A chave mestra oferece a vantagem de permitir a troca da senha do usuário simplesmente re-criptografando a chave mestra com a nova senha e atualizando o bloco de chaves em cada arquivo JPEG, sem a necessidade de re-criptografar todo o contêiner. Os metadados, após a recuperação da chave mestra, incluem o UUID do contêiner (16 bytes), a geração do contêiner (4 bytes), o limiar de recuperação (2 bytes) e o índice e total de fragmentos (2 bytes cada), totalizando 26 bytes em texto claro. Estes também são criptografados usando AEAD com um nonce aleatório para cada arquivo, resultando em um bloco de 54 bytes (incluindo o nonce e a tag de autenticação). A estrutura completa da 'cauda' JPEG inclui o bloco de chaves (76 bytes) e o bloco de metadados (54 bytes), seguidos pelo fragmento do contêiner criptografado, que ocupa o restante do espaço do arquivo. A biblioteca zfec, com seu mecanismo de erasure coding baseado no algoritmo de Reed-Solomon, é ideal para implementar a redundância e recuperação de dados.

A inicialização de um contêiner requer um conjunto de arquivos JPEG, uma senha de usuário e um limiar de recuperação. O processo envolve a verificação da validade dos arquivos JPEG, a geração de um UUID e chave mestra, a criação e criptografia de um arquivo ZIP em memória, e sua fragmentação usando erasure coding. Em seguida, para cada arquivo JPEG, são formados blocos de chaves e metadados, adicionados ao fragmento do contêiner, e a 'cauda' JPEG é gravada após o marcador EOI. A gravação é realizada em duas fases: criação de cópias temporárias com as 'caudas' JPEG, sincronização com o disco, e substituição atômica dos arquivos originais. Essa abordagem garante que, em caso de falha, cada mídia estará em um estado consistente (ou o antigo, ou o novo). A exclusão de um contêiner segue um princípio semelhante, preparando versões temporárias dos arquivos JPEG sem as 'caudas' e substituindo atomicamente os originais. A modificação do conteúdo de um contêiner envolve a recuperação da chave mestra, montagem e descriptografia do contêiner, aplicação das alterações no arquivo ZIP interno em memória, re-criptografia, fragmentação e gravação das novas 'caudas' JPEG. Cada gravação incrementa o número da geração do contêiner, permitindo a identificação da versão mais recente em caso de falhas. Em situações de falha durante a modificação, podem coexistir múltiplas gerações do contêiner. A montagem selecionará a geração com o maior número. A recuperação de redundância pode ser realizada para restaurar a integridade e o nível de redundância. No entanto, se nenhum fragmento de nenhuma geração puder ser recuperado para atingir o limiar mínimo, o contêiner se torna irrecuperável. A escolha do limiar de recuperação é um compromisso entre tolerância a falhas e volume de redundância.

Este projeto, embora funcional, possui limitações importantes. Não é um sistema de esteganografia, pois os dados após o EOI são detectáveis. Editores gráficos e alguns serviços online podem reescrever arquivos JPEG, removendo a 'cauda', o que torna este método mais adequado para armazenamento local e transferência de arquivos sem re-codificação. Todas as operações são realizadas em memória RAM, e contêineres grandes podem exigir uma quantidade significativa de memória, potencialmente levando ao uso de swap e à exposição temporária de dados descriptografados no disco. Apesar dessas limitações, o projeto representa um experimento de engenharia interessante, oferecendo uma solução de código aberto para armazenamento de arquivos tolerante a falhas utilizando arquivos JPEG como meio. As dependências externas são mínimas, consistindo apenas nas bibliotecas cryptography e zfec.