Omicron Trust Quorum 启动信任仲裁完整指南:如何 cryptographic 证明运行的软件正是你签名的那一个

原创2026-11-14 09:17:081,750 阅读

Omicron Trust Quorum 启动信任仲裁完整指南:如何 cryptographic 证明运行的软件正是你签名的那一个

Omicron 是 Oxide 计算平台的开源控制面,其中的启动信任仲裁 Trust Quorum 用 Shamir 秘密共享 + RoT 远程证明解决了云数据中心最难回答的问题之一:当几十台机器(sled)在开机时互相索要解密密钥,系统如何用密码学手段证明对端运行的软件正是你签名发布的那一个版本,才敢把解锁整个机架所需的 Rack Secret(机架秘密)交给它。

一、先看问题:偷走硬盘就偷走数据怎么办?💾

Oxide 机架里,每台 sled 上的 U.2 数据盘都启用了 ZFS 加密。而解密密钥并不存在硬盘本地,而是从一个机架级秘密 Rack Secret 派生出来的。于是核心问题变成:Rack Secret 本身该存在哪?

Omicron 的答案在 bootstore/README.adoc 中描述得很清楚:

  • Rack Secret 被切成 N 个密钥份额(key share),每台 sled 的 M.2 启动盘上只存自己那一份;
  • 阈值 K = N/2 + 1:16 台 sled 的机架,需要偷走 9 台不同 sled 的 M.2 盘才能凑齐份额、重建秘密;
  • 平时,启动方通过 bootstrap 网络上的信任仲裁协议向同伴收集份额,凑够 K 份后重建 Rack Secret,再交给 key-manager 派生每块 U.2 盘各自的 AES-256-GCM 磁盘密钥。

这就是防"顺手牵羊"(casual theft)的物理威胁模型:偷 1~2 台整柜设备或几块硬盘回家,照样读不出一个字节。

Omicron机架启动时的网络拓扑示意,Trust Quorum 在 sled 间的 bootstrap 网络上运行

二、关键难题:凭什么相信对方"跑的是我签名的软件"?

收集密钥份额意味着把机密交给别的机器。如果攻击者能伪装成一台 sled 参与协议,或者让某台 sled 偷偷跑改过的软件来截留份额,整个方案就穿了。Omicron 的解法分两层:

1. 远程证明(RoT Attestation):让硬件为软件背书

每台 sled 有一个信任根(RoT,类型见 sled-agent/types/versions/src/add_rot_attestation/attestation.rs 中的 Rot::Oxide)。它能在开机时做三件事:

证明要素 作用
MeasurementLog:对 TCB 中每个软件组件计算 SHA3-256 摘要 把"正在运行的软件是什么"变成一串可验证的指纹
Attestation:用 Ed25519 密钥对"摘要 + 挑战 nonce"签名 证明指纹是现场生成的,不是重放的旧数据
CertificateChain:把签名密钥链到可信 PKI 根证书 证明签名者确实是这台设备的合法 RoT

而"期望跑什么软件"这一侧,由 sled-agent 的**参考测量(reference measurements)**模块维护:它从镜像清单(measurement manifest)、M.2 上的 ledger 配置中读出本机应加载的构件及其哈希(sled-agent/measurements/src/lib.rs 的模块注释说得很直白:Trust Quorum 只在可信通道上通信,只有双方都运行预期的 Oxide 软件时,通道才算可信)。

两边哈希一致 = 对端跑的确实是我签名发布的版本。 这就完成了题目所问的"cryptographic 证明"。

2. Sprockets 证明型传输:证明通过后,再开加密通道

信任仲裁节点之间的连接统一走 sprockets 证明型 TLS(trust-quorum/src/connection_manager.rs 中每个连接都是独立的 sprockets 任务,握手失败即断开)。客户端封装见 sled-agent/bootstrap-common/src/sprockets.rs:握手前先完成证明,测量值不匹配就拒绝建连。

三、份额是如何铸造和分发的?🔐

机架初始化(RSS,Rack Setup Service)时,协调节点会执行 bootstore/src/schemes/v0/share_pkg.rs 中的 create_pkgs:

  1. 生成随机 Rack Secret,按阈值 K 拆成最多 255 份(为将来扩容预留);
  2. 每份 share 附带 SHA3-256 摘要表(share_digests),任何节点收到份额都能先验完整性;
  3. 每台 sled 除自己的明文份额外,还拿一批加密备份份额——密钥由 Rack Secret 经 HKDF 派生(derive_encryption_key),保证单台 sled 离线时凑不齐 K 份。

新 sled 加入时,它作为 "learner" 向同伴索要份额(Fsm::init_learner 流程),若节点已知晓已提交的新配置却没有对应份额,会自动向其他成员收集 K 份并用 Shamir 算法反算出自己的那份——这正是 trust-quorum/protocol/src/compute_key_share.rs 中 KeyShareComputer 的工作:连上就发 GetShare,收满 threshold 份后执行 shamir::compute_share 并持久化。

四、成员变更与 Epoch:仲裁如何"演化"而不"失忆"?

机架会扩容、坏盘、退役。Trust Quorum 把每一次成员变更视为一个 epoch,新旧配置通过 Prepare/Commit 两阶段提交切换(协调者状态见 trust-quorum/protocol/src/coordinator_state.rs):

  • 状态通过 omicron-ledger 落到 M.2 盘,generation 单调递增——先落盘、再应答,崩溃重启也不会让协议状态回退,作者特意注明这与 Raft/Paxos 类似;
  • 若持久化失败,节点选择直接 panic(ledgers.rs#L42-L57 注释解释:宁可明显失败让支持团队换盘,也不允许违规应答);
  • 协议正确性用 TLA+ 模型检查验证:trust-quorum/tla/trust_quorum.tla 显式忽略加密细节,专门检查故障场景下"prepare 回执足够多才能 commit"这一核心不变量。

wicket 触发 mupdate 更新 sled 软件的过程,更新后新软件版本必须通过 Trust Quorum 的测量验证

软件更新也走同一套逻辑:mupdate 更新 sled 软件后,新版本的构件哈希进入参考测量清单,旧 epoch 的密钥材料通过 reconfigure 轮换——你签名的新版本被证明跑起来的那一刻,才是它获得参与仲裁资格的瞬间。

五、诚实的演进路线:从 "Low-Rent" 到全证明

值得一提的是工程上的坦诚:最初版本自称 LRTQ(Low-Rent Trust Quorum),bootstore/src/schemes/v0/mod.rs 的 V0Scheme 里 trusted_group_membership: No、message_signing: No——裸 TCP、无身份验证,只防离线偷硬件(README 威胁模型章节)。协议间用 16 字节的 Hello 消息协商版本(bootstore/src/schemes/mod.rs),等全员升级后整集群切换到新 Scheme。这种"先满足最小威胁模型、再逐步加证明"的演进路径,本身对自建分布式存储/云平台的读者很有参考价值。

六、新手阅读路线 📚

顺序 路径 看什么
1 bootstore/README.adoc 威胁模型、v0 状态机全流程
2 bootstore/src/schemes/v0/share_pkg.rs 密钥份额铸造、派生密钥
3 trust-quorum/protocol/src/ 新版协议的配置、协调者、校验逻辑
4 sled-agent/measurements/src/lib.rs 参考测量:期望运行什么软件
5 trust-quorum/tla/trust_quorum.tla 用模型检查验证仲裁协议
6 bootstore/tests/ proptest 生成式测试,模拟整集群跑协议

一句话总结:Omicron 的 Trust Quorum 把"解锁机架"这件事变成了三把锁——Shamir 份额保证偷硬件没用,RoT 测量摘要 + 签名保证"运行的软件就是我签名的那一个",epoch 化的两阶段提交保证成员如何变化秘密都不会丢。这也是控制面在"零信任开机"场景下的完整教科书式实现。

登录后查看全文
omicron