diff --git a/dev/issues/0006-cluster-hardening-and-wiring.md b/dev/issues/0006-cluster-hardening-and-wiring.md new file mode 100644 index 0000000..75cd3d0 --- /dev/null +++ b/dev/issues/0006-cluster-hardening-and-wiring.md @@ -0,0 +1,158 @@ +--- +issue: 0006 +title: Completar y endurecer el cluster — wiring del control plane KV + N1-N6 de la auditoría 0008 +status: spec +created: 2026-06-07 +domain: security +scope: unibus (cmd/membershipd, pkg/membership, pkg/embeddednats, pkg/busauth, pkg/client) +depends_on: 0003 (completa su wiring), 0005 (hereda el bus single-node ya seguro) +blocks: 0003f (deploy del cluster descentralizado) +source: projects/message_bus/reports/0008-2026-06-07-unibus-decentralization-audit.md +--- + +# Objetivo + +La auditoría dedicada de la superficie de 0003 (report 0008) concluyó: **el bus en +cluster NO es seguro para público** por dos bloqueantes, y además **0003 dejó el +control plane descentralizado SIN cablear** (el binario sigue usando SQLite single-store; +el flag `decentralized` existe pero ningún código Go lo lee). Como nodo único standalone +unibus YA es seguro (report 0008 lo confirma); como cluster, no. + +Este issue cierra los bloqueantes de seguridad del cluster Y completa el wiring que 0003 +dejó a medias, de modo que el deploy descentralizado (0003f) sea seguro. Cada fase +reproduce el ataque del report 0008 (`TestAttack0008_*`) y verifica que ahora se rechaza. + +# Fases (TBD, ramas `issue/0006x-*`) + +## 0006a — N3 (BLOQUEANTE): cablear el nonce replicado en el binario + +**Hallazgo (ALTA):** `membershipd` **nunca llama** `Server.UseReplicatedNonces`; cada nodo +usa `memNonceCache` por-proceso. Un request firmado aceptado en el nodo A se **replaya con +éxito en el nodo B** (200+200). La API (`kvNonceStore`) y el test +(`TestReplicatedNonceRejectsCrossNodeReplay`) existen, pero el binario no los invoca. + +**Fix:** en `cmd/membershipd/main.go`, cuando se arranca con `--cluster-name` (o siempre que +haya JetStream disponible), llamar `srv.UseReplicatedNonces(js, replicas)` y **fail-fast** si +el bucket `KV_UNIBUS_nonces` no se crea. Regla dura: `--cluster-name != ""` ⇒ nonce replicado +**obligatorio** (no arrancar un nodo de cluster con nonce-cache local). + +**DoD:** reproducir `TestAttack0008_N3` (2 nodos con el wiring exacto del binario) → el replay +del nonce al nodo B ahora da **401**. Golden (request normal OK en cualquier nodo) + edge +(single-node sin cluster sigue usando cache local OK) + error (replay cross-node → 401). + +## 0006b — N2 (BLOQUEANTE): cerrar `$JS.API.>` / aislar el control plane KV + +**Hallazgo (ALTA):** el grant ACL `clientInfraSubjects = {"_INBOX.>", "$JS.API.>"}` +(`acl.go:20`) deja a cualquier peer registrado leer los buckets KV del control plane +(`KV_UNIBUS_users/rooms/members/room_keys`) directo por NATS, saltándose `requireMember` y +los chequeos del HTTP. Fuga del allowlist (handles+roles+claves), grafo de rooms y metadata +de sealed-keys. (La ESCRITURA al KV ya está denegada — verificado; la fuga es de lectura.) + +**Fix (elegir y documentar):** +- Sustituir el grant amplio `$JS.API.>` por permisos JetStream **mínimos por-room** (solo la + API del stream/consumer de las rooms del peer), y **denegar explícitamente** los streams + `KV_UNIBUS_*` y `OBJ_*`; o +- (Más robusto) aislar el control plane KV en una NATS **account separada**, inaccesible + desde la account de clientes. + +**DoD:** reproducir `TestAttack0008_N2` → eve (registrada, no miembro) ya **NO** puede leer +los buckets KV (`Permissions Violation` o equivalente). La JetStream API legítima de las +rooms del peer sigue funcionando. + +## 0006c — wiring del control plane KV (completar 0003) + +**Hallazgo (MEDIA / raíz):** el binario no activa el store descentralizado. `membership.Open` +(SQLite) está hardcodeado en `main.go:90`; `OpenJetStream` solo lo usa `migrate-to-kv`. + +**Fix:** leer el flag `decentralized` (o un `--store kv|sqlite`) y **seleccionar el store** en +el arranque: SQLite (default, single-node/dev) o `jetstreamStore` (cluster). Resolver el +"ciclo bootstrap" del authenticator interno (el authenticator necesita el store para +`IsAuthorized`, y el store KV necesita el NATS arrancado). Mantener branch-by-abstraction: +con el flag off, comportamiento idéntico al actual. `IsAuthorized`/lecturas sobre KV +**fail-closed** ante pérdida de quorum/timeout (ya implementado en `jetstreamStore` — +verificar que el wiring lo preserva). + +**DoD:** con `decentralized: on` + cluster, el control plane sirve desde el KV replicado y un +nodo nuevo ve las rooms creadas en otro (cierra la divergencia de estado que nota N5). +Fail-closed: simular KV no disponible → deniega. Con flag off, suite idéntica al baseline. + +## 0006d — N1 (ALTA): posture homogénea del cluster + +**Hallazgo:** el cluster es tan seguro como su nodo más débil; un nodo sin authenticator o +`--bus-auth off` deja a un peer no autenticado `Subscribe(">")` y cosechar el tráfico +reenviado de los nodos con ACL. + +**Fix:** garantizar (en arranque/health) que todos los nodos corren `enforce`+ACL+TLS; +rechazar formar cluster con un peer en posture inferior, o como mínimo documentar y exponer +un health que lo detecte. Nunca exponer el puerto de cliente de un nodo sin enforce. + +**DoD:** reproducir `TestAttack0008_N1` escenario 2 (cluster con un nodo `withACL=false`) → +el arranque/health lo rechaza o lo señala; documentar la garantía. + +## 0006e — N4 (MEDIA): RefreshSession en los clientes + +**Hallazgo:** la ACL congela permisos al conectar; un peer que crea/se une a una room debe +llamar `client.RefreshSession()` para pub/sub en su subject. **Ningún cliente lo llama** +(`cmd/chat`, `cmd/worker`, `mobile`, `gateway`). Es fail-closed (deniega), pero rompe la +usabilidad bajo `enforce`+ACL → empuja al operador a desactivar la ACL (regresión de +seguridad a discreción del operador). + +**Fix:** llamar `RefreshSession` tras cambios de membresía en `cmd/chat`/`cmd/worker` (y +documentar el contrato para `mobile`/`gateway`), o implementar refresh transparente (rehacer +suscripciones automáticamente al unirse a una room). + +**DoD:** test que crea/une room bajo enforce+ACL y publica/recibe SIN intervención manual +(el cliente refresca solo o el demo llama RefreshSession). Documentar el requisito. + +## 0006f — bajos: CA de routes, secreto de cluster, migrate-to-kv, R1≠HA + +- **N1 (BAJA):** CA **separada** para las routes del cluster (no reusar la CA del data plane + de clientes); pasar el secreto de cluster por **archivo/env**, no por `--routes + nats://user:pass@host` en argv (hoy visible en `ps`/`journald`). +- **N6 (BAJA):** `migrate-to-kv` solo en loopback o con TLS (hoy el allowlist viaja plaintext + si `--nats-url` remoto sin `--ca`). +- **N3-DoS (MEDIA, doc):** documentar que el nonce/control plane en **R1 es SPOF de auth** (su + caída rechaza todos los requests autenticados); R3 (quorum 2/3) es la condición de HA real. + No vender R1 como HA. + +## 0006g — preparar el material de deploy del cluster (3 nodos) + +Los tres nodos del cluster están decididos: **magnus + homer + datardos** (3 VPS OVH → +quorum R3 real, tolera la caída de uno). Datos: homer `141.94.69.66`; datardos `ssh dd` +`51.91.100.142` (WG `datardos-wg` 10.21.0.x); magnus en `pass` (`MAGNUS_ovh_ssh_ROOT`). + +**Preparar (NO ejecutar en los VPS — eso es 0003f, lo hace el humano):** dejar en +`deploy/cluster/` el material parametrizado por nodo: +- `generate-cluster-certs.sh` — CA propia del cluster (separada de la de clientes, ver 0006f) + + un server cert por nodo con SAN = su IP pública + su IP WG + hostname. +- una plantilla de systemd unit por nodo (`membershipd@.service` o tres units) con + `--bind 0.0.0.0 --bus-auth enforce --tls-cert … --cluster-name unibus --routes + nats://…@ --store kv` y `Restart=always`, secreto de cluster por archivo/env. +- `deploy-cluster.sh` (cross-build linux + rsync por nodo + plan de arranque escalonado). +- un `README.md` con el runbook: orden de arranque, seed del admin, `migrate-to-kv` (loopback/TLS), + escalado de réplicas a R3 (`nats stream update --replicas 3`), verificación de quorum y chaos + test (matar un nodo). Marcar claramente qué pasos toca el humano. + +**DoD:** el material existe y es coherente (los certs cubren los 3 nodos; las units referencian +los routes correctos); un `bash -n` de los scripts pasa; el README describe el deploy end-to-end. +NO se toca ningún VPS desde el agente. + +# Fuera de alcance (otros issues / operacional) + +- **H8** (CA generada/custodiada en om) → operacional del deploy 0003f. +- **H9/H10/H11** → issue 0002 / futuro. +- **Object Store (blobs) vía `$JS.API.>`**: el report 0008 lo marca como "probable misma + clase que N2, no verificado" (impacto menor: blobs son ciphertext E2E). El fix de 0006b + (denegar `OBJ_*`) lo cubre; verificar. +- **Chaos test de red real** (matar 1/3, 2/3, split-brain) → 0003f (requiere 3 VPS). + +# Definition of Done global + +- `TestAttack0008_N3` → replay cross-node **401**; `TestAttack0008_N2` → eve no lee buckets KV; + `TestAttack0008_N1` → nodo débil rechazado/señalado. Portados como regresión. +- Con `decentralized: on`: control plane sobre KV replicado, fail-closed verificado, estado + consistente entre nodos. Con flag off: baseline idéntico. +- Clientes operan bajo `enforce`+ACL sin intervención manual (RefreshSession resuelto). +- `CGO_ENABLED=0 go build ./... && go vet ./... && go test ./...` verdes + `govulncheck` 0. +- Veredicto re-evaluado: el bus DESCENTRALIZADO pasa de "NO" a "sí-con-condiciones" (3 nodos + R3 para HA real, posture homogénea, CA en om).