前回、IT製品を識別するための識別子 (CPE) の命名問題について #SBOM - Qiitaという記事で、CPEの命名問題について紹介しました。
今回は、A Proposal to Operationalize Component Identification for Vulnerability Managementで提案されている、CPEの命名問題を軽減するための識別子の提案について紹介します。
本記事では、まず、命名必要となる重要な2つの原理について導入します。そして、CPEの代わりにIT製品を一意に特定する識別子として期待されている識別子について紹介します。

命名に必要となる重要な2つの原理

IT製品だけでなく、識別子は私たちの身の回りのものに多く使われています。例えば、マイナンバー、化学記号、音楽における音名とオクターブ番号の組合せ、物理の単位や物理量を表す記号、数式、言語です。
これらの識別子には、重要な2つの原理によって分類することができると知られています。一つは、Intrinsic と Extrinsicな識別子、次にNative と Non-Nativeな識別子です。

Intrinsic and Extrinsic identifiers – Software Heritage

まず、Intrinsic と Extrinsicな識別子とは以下の性質を持ちます：
Extrinsic:識別子とオブジェクト間の対応関係を維持するためにレジスタを使用する
Intrinsic：指定されたオブジェクトに密接に結びついており、レジスタへの登録は必要なく、標準化に関する合意のみが必要である

次に、Native と Non-Nativeな識別子は以下の性質を持ちます：

ここでは、Intrinsic と Extrinsicな識別子、Native と Non-Nativeな識別子とは何かを身近な例を用いて説明します。また、現在存在しているソフトウェア、ハードウェアに関する識別子がそれぞれ、どのような性質を持つかを説明します。

Extrinsic Identifiers

Extrinsicな識別子とは、識別子とオブジェクトの対応関係を保持するために中央レジスタを使用する識別子のことです。
Extrinsicな識別子が何を指すかを知るためには、中央レジスタにクエリをする必要があります。

Extrinsicな識別子でみなさんに馴染みがある例はマイナンバーです。日本では、住民票を持つ日本国内の全住民に12桁の番号、マイナンバーが割り当てられます。
マイナンバー自体には、オブジェクトである人物を特定するための情報 (名前、生年月日、住所など)は含まれていません。マイナンバーは政府によって一元的に管理されており、地方公共団体情報システム機構（J-LIS）が運用を担当しています。つまり、マイナンバーと人物に対応関係があるかを知るためには、中央レジスタが必要となります。そのため、マイナンバーはExtrinsicな識別子と分類できることがわかります。

次にExtrinsicな識別子の例は、CPEです。CPEはNISTによって割り当てられ、中央レジスタに保管されます。我々があるCPEとそれに対応するソフトウェアを特定するためには、中央レジスタであるNVD内のCPEを検索する必要があります。

Intrinsic Identifiers

対して、Intrinsicな識別子とは、指定されたオブジェクトに密接に結びついており、中央レジスタへの登録は必要なく、標準化に関する合意のみが必要である識別子です。識別子の情報がどのように表現されるか、標準的な合意を取ることで、識別子の作成者とユーザーという立場に関係なく、オブジェクトの知識を持つ世界中の誰もが認識できる識別子となります。そのため、中央レジスタに依存せず、ユーザが既に持っている情報から構築できるメリットを持っています。

Intrinsicな識別子で身近なものは化学化合物の名前です。化合物に記号を与える際、何か中央レジスタへ登録し、管理する必要はありません。化学記号は標準的な命名法¹を学べば、世界中の人が理解できる識別子です。NaClと書けば、誰がどう見ても、どの言語で話していても、何か特別な中央レジスタに依存せず、それが塩化ナトリウムであるとわかります。
これに関連して、物理量や数式なども特別な例を除いて、Intrinsicな識別子であると言えます。$H$と書けば、エネルギーに対応する物理量ハミルトニアンですし、$f(x)$と書けば、変数$x$を引数とする関数$f$であるとわかります。

native and non-native

次に重要な原理はnative、non-nativeな識別子です。
nativeな識別子とは、既存のエコシステムですでに使用されており、そのエコシステム内の人々にとって馴染みのある識別子です。
nativeな識別子の例として、化合物名が挙げられています。化合物名は少なくとも200年間使用されており、すべての化学者にとって馴染みのある識別子です。
最も重要なことは、これらの名称は化学者が常に行っている活動、すなわち化合物の合成と分析に由来しているということである。化合物の合成や分析という化学者が日常的に行う実験活動から生まれた名称です。ゆえに、nativeな識別子と分類されています。
先ほどのハミルトニアン$H$もnativeな識別子です。なぜならば、その命名はイギリスの物理学者ウィリアム・ローワン・ハミルトンに因んでおり、古くから物理のエコシステムで利用されている記号です。

さて、ここでソフトウェアに戻ってみましょう。Purlは、mavenのような特定のパッケージマネージャーのエコシステムで使用されている名前に完全に基づいています。エコシステム内の開発者、ユーザーにとって馴染みのある識別子です。したがって、Purlはintrinsic かつnativeな識別子に分類されます。このような理由から、proposal paperはソフトウェアの命名に関する提案の基本はpurlであるべきだと主張しています。

対して、non-nativeな識別子とは、エコシステムにとって新しく、開発者やユーザーに馴染みのない識別子です。non-nativeな識別子導入する場合、その命名規則の理解や適用に追加の労力が必要となってしまいます。物理や数学でも、新しい概念が登場し、発見者が独自につけた記号などは、non-nativeな識別子に分類できると考えられます。CPEはExtrinsicかつnon-nativeな識別子であり、運用が難しいという課題を持っています。

CPE名はソフトウェア、ハードウェア製品、それぞれに適用できるため、proposal paperはその両方に対応する必要があると主張しています。Purlはパッケージマネージャのエコシステムに対する識別子であり、ハードウェアに適用することはできません。

そこで、ハードウェアの識別子として、既存のGTIN（Global Trade Item Number)とGMN（Global Model Number）という標準的な識別子の利用を提案しています。
これらの識別子は中央レジストリを必要とするため、Extrinsicな識別子です。しかし、ハードウェアエコシステムにとって、nativeな識別子であるという点が、CPEよりも優れているため、候補として提案されています。

命名問題の解決策：ソフトウェアの場合

CPEの問題を解決するために期待されている、識別子がPurl、SWID、Software Heritage IDsです。それぞれ、OSS、商用ソフトウェアやプロプライエタリソフトウェア、レガシーソフトウェアを識別します。以下では、これらの識別子を紹介します。

Purl(package URL)

CPEが抱える命名問題の解決策がIntrinsicかつnativeな識別子を利用することです。そのような識別子で代表的なものがPurl(package URL)です。

purl-spec

Purl (package URL)はソフトウェアを一意に特定する識別子です。また、そのパッケージがどのエコシステムやリポジトリに存在し、どのようにアクセスできるかを示す場所に関する情報も含んでいます。
Purlは7つの構成要素を含み作成することができ、必須要素はscheme, type, nameです：

scheme:type/namespace/name@version?qualifiers#subpath

scheme：これは常に定数pkgとなる (必須)
type：maven、npm、nuget、gem、pypiなどのパッケージのエコシステムが代入される（必須）
namespace：パッケージのグループや所有者を表す
例：MavenのグループID、Dockerのリポジトリ名、GitHubのユーザー名など
name：パッケージエコシステム内のパッケージ名（必須）
version：パッケージのバージョン番号
qualifiers：OSやアーキテクチャなど、パッケージに関する追加情報を表す修飾子
subpath：パッケージ内の特定の場所を示すパス。パッケージのルートからの相対パス

Purlの例です：

pkg:golang/google.golang.org/genproto#googleapis/api/annotations

pkg:maven/org.apache.xmlgraphics/batik-anim@1.9.1?packaging=sources
pkg:maven/org.apache.xmlgraphics/batik-anim@1.9.1?repository_url=repo.spring.io%2Frelease

pkg:npm/%40angular/animation@12.3.1
pkg:npm/foobar@12.3.1

pkg:nuget/EnterpriseLibrary.Common@6.0.1304

pkg:pypi/django@1.11.1

pkg:rpm/fedora/curl@7.50.3-1.fc25?arch=i386&distro=fedora-25
pkg:rpm/opensuse/curl@7.56.1-1.1.?arch=i386&distro=opensuse-tumbleweed

Purlベースの脆弱性データベースは既にサポートされており、Sonatype社がOSS Index databaseという脆弱性データベースを公表しています。こちらのデータベースはDependency-Trackというソフトウェア構成管理を行うOSS内の脆弱性検知機能にデフォルトで利用されています。ただ、この脆弱性DBが正確でないならば、せっかくPurlを使っていても、結局、CPEと同じ問題にぶつかると思います。

SWID

商用ソフトウェアやプロプライエタリソフトウェア（独自のライセンス形態を持つソフトウェア）はパッケージマネージャでは管理されることはほぼないです。プロプライエタリソフトウェアを識別する手段として広く使われているのは、SWIDタグ(Software Identification Tags)です。SWIDタグはサプライヤが作成し、ソフトウェアバイナリとともに提供されます。

Software Heritage IDs

現在purlであまり扱われていないもう一つのタイプのソフトウェアは、レガシーソフトウェアです。あるソフトウェア製品がどのパッケージマネージャでも利用できなくなると、保証された一意なpurlを作成することができなくなります。したがって、レガシーソースソフトウェア製品は、他のオープンソース製品とは異なる方法で表現する必要があります。Software Heritageは、ソースコードをアーカイブする非営利団体で、すでにアーカイブされている120億以上のソース・ファイルの中から特定の製品を探し出すために、Software Heritage ID（SWHID）フォーマットを開発しました。SWHIDにはファイルの一意なハッシュが含まれているため、Purl識別子のパッケージ名としてハッシュ値を使用することができます。この場合、typeが「SWH」、nameがハッシュ値で構成されるPurlとなります。

命名問題の解決策：ハードウェアの場合

ハードウェアの場合、Purlはありませんので、ハードウェアの識別子としてGTIN （Global Trade Item Number）とGMN（Global Model Number）が提案されています。これらの識別子は中央レジストリが必要になるExtrinsicな識別子です。しかし、GTINとGMNを使用する大きな利点の一つは、世界中の購買システムで既に広く使用されていることであり、これらのシステムに新たな識別子を導入する必要がないnativeな識別子であることです。

GTIN（Global Trade Item Number）とは

GTIN（グローバルトレードアイテムナンバー）は、国際非営利組織であるGS1が開発した、全ての貿易品を識別するための標準的な識別子です。GTINによる識別は異なるデータベースや組織間で貿易品目を一意に特定することを可能にします。
私たちにとって、身近なGTINの例が、日本の商品のバーコードと紐づいているJANコード (8桁または13桁の番号)や書籍を識別するISBN (13桁の番号)ではないでしょうか。

GTIN識別子がNVDに含まれれば、製品に与えられたバーコードを読み取ることで、ハードウェア機器に影響を及ぼす脆弱性を簡単に特定できるようになると期待されています。

GMN（Global Model Number）

GMNはGS1が策定した標準で、製品や製品ファミリーを識別するためのものです。

Summary

	Extrinsic or Intrinsic?	Native or Non - Native?
CPE	Extrinsic	Non-Native
purl	Intrinsic	Native
SWID	Intrinsic	不明
Software Heritage IDs	Intrinsic	不明
Global Trade Identification Number (GTIN)	Extrinsic	Native
Global Model Number (GMN)	Extrinsic	Native

最後に

ソフトウェアの識別子のほかにも、自分の知らないところで多くの識別子が提案されていて、驚きました。理学や物流では、こういった識別子によって問題が起きているとあまり聞かないので、うまくできているのだなと思いました。

NVDはありとあらゆる脆弱性の情報が格納されていますが、NVDを過信せず、各ベンダーやエコシステムが出している脆弱性の一時情報を見ていくことも重要なのではないかなと思いました。また、検出した脆弱性が偽陽性だろうがなかろうが、可能な限り取れるだけ集めてきて、トリアージで頑張るしかないのではないか、日ごろから、自社の製品に基本的なセキュリティ対策をしておくことが必要なのではないでしょうか。

参考文献

https://en.wikipedia.org/wiki/Chemical_nomenclature ↩