Como ler estruturas ASN.1 / DER
Última atualização:
Saber ler uma estrutura ASN.1 / DER é saber ler a linguagem binária em que estão escritos todos os certificados, chaves privadas, CSRs e listas de revogação dos seus sistemas. ASN.1 é a notação — a gramática para descrever dados — e DER, as Regras de Codificação Distinta, é a única forma canônica de transformar cada valor em bytes. Se esses bytes parecem ruído para você, não está sozinho: a maioria dos administradores conhece ASN.1 por uma mensagem de erro, muito depois de o certificado que ela descreve já ter quebrado alguma coisa. Você pode colar qualquer blob DER ou PEM no Explorador ASN.1 / DER e obter a árvore completa anotada no seu navegador — nada é enviado — mas este artigo ensina você a ler os bytes, para que a árvore nunca seja uma caixa-preta.
Uma só linguagem sob cada certificado, chave e CSR — e por que ela continua nos fazendo tropeçar
ASN.1, a Notação de Sintaxe Abstrata Um, é a notação; a série X.680 define a gramática e a X.690 define as regras de codificação, incluindo DER. Cada certificado X.509, cada chave privada PKCS#8, cada CSR, cada CRL, cada pacote PKCS#7 e cada resposta OCSP é um valor escrito nesta única linguagem. Os administradores continuam tropeçando nela por um motivo simples: os mesmos bytes usam três fantasias. Um arquivo .pem abre como texto legível, um arquivo .der imprime como lixo, um arquivo .cer pode ser qualquer um dos dois — e as ferramentas que mostram a estrutura só o fazem quando perguntadas, então a primeira vez que a maioria olha dentro de um certificado é depois de alguma coisa já ter falhado.
O segundo tropeço é que ASN.1 descreve a forma, não o significado. Dois arquivos podem ser DER perfeitamente válido e significar coisas completamente diferentes; o significado vem do esquema — RFC 5280 para certificados — e dos OIDs dentro dele. Ler DER é, portanto, duas habilidades ao mesmo tempo: analisar o esqueleto de rótulo-comprimento-valor e saber qual esquema o nível superior afirma ser. Este artigo cobre as duas, e o explorador automatiza a primeira e marca a segunda como uma suposição de melhor esforço, nunca como um veredito: um analisador pode dizer o que uma estrutura diz, mas só o esquema diz o que ela significa.
TLV: rótulo, comprimento, valor — toda a gramática em três bytes
Cada valor ASN.1 tem três partes: um rótulo dizendo o que ele é, um comprimento dizendo quantos bytes seguem e o próprio valor. O byte do rótulo guarda três informações em oito bits: os dois bits superiores são a classe — 00 universal, 01 aplicação, 10 específica do contexto (os [0] e [3] que aparecem por todo o certificado), 11 privada — o bit 6 diz construído (um contêiner que guarda outros valores) ou primitivo (uma folha), e os cinco bits baixos são o número do rótulo, onde 31 significa "continue lendo, o número continua". O comprimento é uma forma curta, um byte, para tudo com menos de 128 bytes, ou uma forma longa: um primeiro byte 0x80 mais um contador n, e depois n bytes com o comprimento em big-endian. DER proíbe a forma indefinida, um byte de comprimento 0x80: um arquivo que a usa é BER, não DER, e um analisador DER estrito deve rejeitá-lo.
Aqui está toda a gramática em um exemplo resolvido — um exemplo mínimo construído à mão, com a mesma forma da demonstração do explorador. 30 0C 02 01 05 06 02 2A 03 0C 03 66 6F 6F se lê assim: 30, um SEQUENCE construído (rótulo universal 16); 0C, doze bytes de conteúdo; depois 02 01 05, um INTEGER de um byte com valor 5; 06 02 2A 03, um OBJECT IDENTIFIER de dois bytes, onde 0x2A é 42, e 42 é 1 × 40 + 2, então os dois primeiros arcos são 1.2, e depois 03 dá 1.2.3; e 0C 03 66 6F 6F, um UTF8String de três bytes soletrando "foo". Os mesmos quatorze bytes, lidos de volta com openssl asn1parse, estão impressos no bloco de código abaixo — execute você mesmo e confira cada linha com os bytes. Quando você conseguir percorrer este exemplo, conseguirá percorrer qualquer estrutura: é o mesmo ritmo de três bytes, aninhado até onde o esquema chegar.
Lendo um certificado à mão: tbsCertificate, em ordem
Um certificado é um SEQUENCE de três coisas: tbsCertificate, a parte que é assinada; signatureAlgorithm; e signatureValue, um BIT STRING. Dentro de tbsCertificate os campos sempre vêm na mesma ordem — version [0], que é v3 em qualquer certificado moderno; serialNumber, um INTEGER; signature, o identificador do algoritmo, que deve coincidir com o externo; issuer, um Name; validity, um SEQUENCE de notBefore e notAfter; subject, um Name; subjectPublicKeyInfo; e depois os identificadores únicos opcionais e as extensions [3]. Se você conseguir encontrar o segundo SEQUENCE dentro do primeiro, já está olhando o tbsCertificate, e tudo depois disso são campos em ordem fixa.
A parte que as pessoas realmente procuram — os nomes de domínio — não é um campo de nível superior. Os SANs moram dentro de extensions [3], sob o OID 2.5.29.17 (subjectAltName), como um SEQUENCE de GeneralNames marcados [2] para nomes DNS, [7] para endereços IP, [1] para e-mail e [6] para URIs. O commonName, OID 2.5.4.3, no subject é o lugar legado onde os navegadores costumavam olhar; os navegadores modernos o ignoram e leem a extensão SAN, e é por isso que um certificado com um CN perfeito e sem SAN falha em todos os navegadores. Se você quer os campos de um certificado em linguagem simples, o Analisador de Certificados SSL os extrai; o explorador mostra onde cada um fica na árvore.
OIDs são a lista telefônica: o que significam 2.5.4.3 e 1.2.840.113549.1.1.11
Um OID, um identificador de objeto, é um caminho pontilhado por uma árvore de registro global, e é como um arquivo diz o que um campo significa sem usar palavras. Os dois primeiros arcos são compactados em um único byte — o primeiro arco vezes quarenta mais o segundo, então 1.2 vira 0x2A, 42 — e os arcos seguintes são codificados em base 128. Leia 2.5.4.3 como tipos de atributo X.500 (2.5.4) e depois commonName (3): o campo de nome no subject de cada certificado. Leia 1.2.840.113549.1.1.11 como corpo membro da ISO (1.2.840), depois RSA (113549), depois pkcs-1 (1), depois sha256WithRSAEncryption (11) — o algoritmo de assinatura da maioria dos certificados em circulação.
Por que números em vez de nomes? Porque um nome é ambíguo entre idiomas e fornecedores e um número não é: um OID permite que duas implementações que nunca se viram concordem que um campo significa a mesma coisa. O explorador resolve os arcos que você mais encontra — atributos X.500, RSA e PKCS, curvas elípticas, extensões X.509, PKCS#7, OCSP — e imprime a forma pontilhada de tudo que não reconhece, então um OID desconhecido continua sendo um endereço que você pode procurar, em vez de um número nu. Um número nu sem forma pontilhada é um analisador desistindo; a forma pontilhada é o mínimo honesto.
DER, BER e PEM: qual deles você tem nas mãos?
DER é o subconjunto canônico de BER. BER, as Regras de Codificação Básica, permite escolhas: um comprimento em forma curta ou longa, um comprimento indefinido terminado por dois bytes zero, um tipo primitivo codificado como construído. DER fixa cada escolha, então há exatamente uma codificação correta de cada valor — que é o ponto central, porque a assinatura de um certificado cobre os bytes exatos de tbsCertificate, e se existissem duas codificações do mesmo valor, a assinatura não poderia ser verificada. PEM não é uma codificação: é o base64 dos bytes DER com uma armadura -----BEGIN CERTIFICATE----- em volta, enrolada em 64 caracteres por linha.
Como saber o que você tem: abra o arquivo. Se começa com -----BEGIN, é PEM — retire a armadura, decodifique em base64 o que sobrou e você tem DER. Se começa com o byte 0x30, um rótulo SEQUENCE, é DER ou BER; passe por um analisador estrito, e um byte de comprimento 0x80 significa BER. Se uma ferramenta diz "não foi possível carregar", normalmente é que você entregou PEM quando ela queria DER, ou o contrário; o OpenSSL converte nos dois sentidos (openssl x509 -outform DER, ou -inform DER), e o explorador aceita PEM, base64, hexadecimal ou DER bruto e diz qual detectou. Uma extensão .cer ou .crt não diz nada: qualquer uma das duas codificações pode se esconder atrás dela.
A mesma linguagem, documentos diferentes: CSR, CRL, PKCS#7, OCSP
Quando o ritmo TLV já está claro, o resto é vocabulário. Um CSR é um SEQUENCE de certificationRequestInfo, signatureAlgorithm e signatureValue — a mesma forma de três partes de um certificado, com as informações da solicitação onde fica o tbsCertificate. Uma CRL é um SEQUENCE de tbsCertList, signatureAlgorithm e signatureValue, com os certificados revogados listados dentro. Um pacote PKCS#7 / CMS SignedData envolve seu conteúdo sob o OID 1.2.840.113549.1.7.2, e uma resposta OCSP é um BasicOCSPResponse que carrega um estado por certificado. Os mesmos bytes, as mesmas regras de aninhamento — só o esquema de nível superior muda.
É por isso mesmo que um só analisador cobre todos eles: o explorador analisa qualquer blob DER na mesma árvore e depois pergunta como é o nível superior, marcando seu reconhecimento como de melhor esforço. Se não conseguir reconhecer o nível superior, mostra mesmo assim a árvore inteira e diz isso — a árvore é a resposta de qualquer forma. E vale declarar os limites com clareza, porque analisar não é verificar. O explorador não verifica assinaturas, não valida uma cadeia contra um repositório de confiança e não abre contêineres PKCS#12 criptografados. Ele diz o que uma estrutura diz, não se você deve confiar nela. Para combinar um certificado com sua chave privada, use o Comparador de Certificados e Chaves.
Experimente você mesmo: 14 bytes de DER, lidos com OpenSSL
# A hand-built ASN.1 value: SEQUENCE { INTEGER 5, OID 1.2.3, UTF8String "foo" }
# 14 bytes of DER:
30 0C 02 01 05 06 02 2A 03 0C 03 66 6F 6F
# Read it back with OpenSSL:
$ printf '\x30\x0c\x02\x01\x05\x06\x02\x2a\x03\x0c\x03\x66\x6f\x6f' > sample.der
$ openssl asn1parse -inform DER -in sample.der
0:d=0 hl=2 l= 12 cons: SEQUENCE
2:d=1 hl=2 l= 1 prim: INTEGER :05
5:d=1 hl=2 l= 2 prim: OBJECT :1.2.3
9:d=1 hl=2 l= 3 prim: UTF8STRING :foo