Skip to content

security_threat_model.md

Latest commit

 

History

History
190 lines (153 loc) · 7.53 KB

security_threat_model.md

File metadata and controls

190 lines (153 loc) · 7.53 KB

Threat Model (light)

Stand: 6. April 2026
Version: v1.8.0-rc1
Kategorie: 🔒 Security

📢 WICHTIG: Dieses Dokument bietet einen Überblick über das Bedrohungsmodell von ThemisDB.
Für eine umfassende Analyse aller Angriffsvektoren siehe:
ANGRIFFSVEKTOREN_ANALYSE.md ⭐

📑 Inhaltsverzeichnis

Ziel: Risiken sichtbar machen und mit pragmatischen Kontrollen adressieren.

Aktualisierung v1.4.0-alpha

Neue Angriffsflächen seit v1.3.0:

  • 7 Netzwerkprotokolle (HTTP/2, HTTP/3, WebSocket, MQTT, PostgreSQL Wire, gRPC, MCP)
  • 10 Native Client SDKs
  • LLM-Integration mit GPU-Zugriff
  • Voice Assistant (Enterprise)
  • Image Analysis Plugins
  • Erweiterte gRPC-RPC-Framework für Sharding

Siehe umfassende Analyse:
→ ANGRIFFSVEKTOREN_ANALYSE.md für detaillierte Bewertung aller 120+ API-Endpunkte, Client-Bibliotheken und Protokolle.

Assets

  • Datenbankinhalte (Dokumente, Entitäten, Vektoren, Zeitreihen, Graphen)
  • Schlüsselmaterial (LEK/KEK/DEK, TLS-Zertifikate, HSM-Keys)
  • Audit‑Trails (Changefeed, Security Events)
  • LLM-Modelle und Embeddings
  • GPU-Ressourcen (CUDA)

Akteure

  • Admin/Operator (berechtigt)
  • Anwendung/Service (technisch)
  • Angreifer extern/intern (unberechtigt/teilberechtigt)

Vertrauensgrenzen

  • Externe Clients ↔ Netzwerkprotokolle (HTTP/REST, HTTP/2, HTTP/3, WebSocket, MQTT, PostgreSQL, gRPC, MCP)
  • Netzwerkprotokolle ↔ TLS/Auth-Layer (JWT, API-Token, mTLS)
  • Auth-Layer ↔ RBAC/ABAC (Ranger Policy Engine)
  • Themis-Server ↔ Storage (RocksDB mit Encryption)
  • Themis-Server ↔ LLM Engine (Optional: llama.cpp)
  • Themis-Server ↔ Externe Services (Vault, HSM, TSA, Ranger)
  • Shard-to-Shard Communication ↔ gRPC mTLS

Hauptrisiken (Auszug)

Externe Angriffe:

  • Unautorisierte Schlüsselrotation/Schlüsselabgriff via /api/keys/rotate
  • Datenexfiltration über Admin‑APIs (/admin/backup, /admin/restore)
  • AQL/SQL Injection via Query-Endpunkte
  • DoS-Angriffe über komplexe Queries oder Batch-Operationen
  • PII‑Leakage in Logs/Exports
  • LLM Prompt Injection (Datenzugriff via manipulierte Prompts)
  • Shard-Spoofing (Fake-Shard via gRPC)

Interne Angriffe:

  • Manipulation Audit‑Trail via /changefeed/retention
  • Privilege Escalation (RBAC-Bypass)
  • Insider Data Exfiltration (berechtigte Admins)
  • Supply Chain Attacks (Dependencies, Client SDKs)

Infrastruktur:

  • GPU-Memory-Extraktion (LLM-Modelle)
  • Container-Escape
  • Certificate-Spoofing (mTLS-Bypass)

Siehe ANGRIFFSVEKTOREN_ANALYSE.md für STRIDE-Analyse und CVSS-Scores.

LLM & LoRa-spezifische Risiken (v1.4.0+)

  • Prompt Injection: Manipulation von System-Prompts oder Benutzer-Eingaben
  • LoRa Model Poisoning: Vergiftete Adapter mit Backdoors
  • Vector Embedding Manipulation: Manipulation von HNSW-Indizes für RAG
  • Adapter Weight Extraction: Seitenkanal-Angriffe auf LoRa-Weights
  • Multi-LoRa Adversarial Switching: Ausnutzung von Adapter-Batching
  • Siehe: LLM_LORA_ATTACK_VECTORS.md

Gegenmaßnahmen

Netzwerksicherheit:

  • RBAC/ABAC mit Apache Ranger für alle API-Endpunkte
  • Netzwerk‑Kontrollen vor Admin‑APIs (/keys/rotate, /changefeed/retention, /admin/*)
  • TLS 1.2/1.3 (empfohlen: 1.3 only), mTLS für gRPC-Shards
  • Rate Limiting (Token Bucket: 100 req/min global, 10 req/min für Admin-APIs)
  • Input Validation (JSON Schema, Path Traversal Protection, AQL Injection Detection)

Authentifizierung & Autorisierung:

  • JWT-Validierung (JWKS, Issuer/Audience Check)
  • API-Token-based Authentication
  • Least‑Privilege, Separation of Duties
  • Vier‑Augen‑Prinzip bei kritischen Aktionen (empfohlen)
  • MFA für Admin-APIs (geplant für v1.5.0)

Datenschutz:

  • AES-256-GCM Verschlüsselung (Data-at-Rest)
  • Field-Level Encryption (Schema-based)
  • Secrets‑Management (Vault/HSM, kein Klartext im Repo/Config)
  • PII-Pseudonymisierung in Logs
  • Audit Logging: Encrypt-then-Sign, Hash Chain

LLM-Sicherheit:

  • Prompt Sanitization (in Entwicklung)
  • Resource Limits (GPU, Memory, max_tokens)
  • Model Access Control (RBAC per Model)
  • Output Filtering (PII Detection, Secret Scanning)

Monitoring & Detection:

  • Umfassende Audit-Logs (65+ Security Event Types)
  • SIEM-Integration (Syslog RFC 5424, Splunk HEC)
  • Grafana Dashboards mit Security Alerts
  • Anomalie-Erkennung (geplant)

Supply Chain:

  • Dependency Scanning (OSV, npm audit, Snyk)
  • SBOM-Generierung
  • Gitleaks (Secret Detection in CI/CD)

Weitere Maßnahmen:

  • Backup/Restore mit Integritätsprüfungen (Signatures)
  • Regelmäßige Schlüsselrotation (empfohlen: KEK alle 90 Tage)
  • Immutable Audit Logs (WORM-Storage empfohlen)

LLM & LoRa-Schutzmaßnahmen (v1.4.0+)

  • LoRa Signature Verification: Signaturvalidierung für Adapter (LoRASecurityValidator)
  • Prompt Injection Detection: Pattern-basierte Erkennung (PromptInjectionDetector)
  • Embedding Anomaly Detection: Statistische Anomalieerkennung (EmbeddingAnomalyDetector)
  • Vector Encryption: At-Rest-Verschlüsselung für HNSW (Phase 1+2 ✅)
  • Adapter Integrity Checks: Checksum-Validierung und Weight-Anomalie-Detection
  • Siehe: Implementierung in include/llm/lora_security_validator.h

Beobachtbarkeit

  • Health/Metrics Endpunkte: /health, /metrics, /api/capabilities
  • Audit Events: 65+ Security Event Types (Authentication, Authorization, Data Access, Admin Actions)
  • Alarme:
    • Schlüsselablauf (Key Expiration)
    • Retention‑Fehler (Changefeed Errors)
    • Anomalien im Changefeed (Unusual Patterns)
    • Failed Authentication Attempts (> 5 in 1min)
    • Admin API After Hours
    • Large Batch Operations
    • Rate Limit Exceeded
  • Monitoring-Stack: Grafana + Prometheus + OpenTelemetry
  • SIEM: Syslog RFC 5424, Splunk HEC (optional)

Weiterlesen

Umfassende Analyse:

Sicherheits-Dokumentation:

Spezielle Themen:

Letzte Aktualisierung: 2026-01-07
Nächste Review: 2026-04-07 (Quarterly) Weiterlesen:

  • security/key_management.md, security/audit_and_retention.md
  • encryption_strategy.md, security_hardening_guide.md, security_audit_checklist.md
  • GPU/VRAM/CUDA Angriffsvektoren - Spezifische Analyse von GPU-basierten Bedrohungen