¿Qué es SRTP? Protocolo de transporte seguro en tiempo real

SRTP (Secure Real-time Transport Protocol) es un perfil de seguridad definido en RFC 3711 que agrega cifrado AES-128, autenticación de mensajes HMAC-SHA1 y protección contra repetición a los flujos de voz y video RTP. Utiliza los mismos puertos UDP que el RTP estándar (no existe un puerto SRTP separado) y agrega aproximadamente un 2 % de sobrecarga de ancho de banda con un impacto de latencia insignificante, lo que lo hace adecuado para comunicaciones en tiempo real.
Por defecto, los paquetes RTP transmiten voz y video sin cifrar. Cualquier persona con acceso a la ruta de red puede capturar esos paquetes y reconstruir la conversación completa. SRTP evita esto cifrando cada paquete de forma independiente mediante AES en modo contador y autenticándolo con una etiqueta HMAC antes de la transmisión.
Para los operadores de infraestructura VoIP, SRTP ya no es opcional: el Enrutamiento directo de Microsoft Teams lo requiere, WebRTC lo exige y marcos de cumplimiento como HIPAA y PCI DSS lo demandan para el tráfico de voz que transporta datos sensibles. Esta guía explica qué hace SRTP, cómo funciona a nivel técnico y qué papel desempeña un controlador de borde de sesión (SBC) en su implementación en redes reales.

Por qué importa el cifrado de medios VoIP

El RTP estándar fue diseñado para la eficiencia, no para la seguridad. No posee cifrado, verificación de integridad ni protección contra ataques de repetición. En la práctica, esto significa:
La interceptación es el riesgo más directo. Un atacante que capture paquetes RTP en una red compartida, un segmento Wi-Fi o un enlace de infraestructura en la nube puede decodificar el audio utilizando herramientas disponibles gratuitamente como Wireshark. Los datos de voz están directamente en la carga útil del paquete.
La inyección de paquetes es posible porque RTP no tiene autenticación. Un atacante puede inyectar paquetes fabricados en un flujo RTP activo, y el terminal receptor no tiene forma de distinguir los paquetes legítimos de los falsificados.
Los ataques de repetición ocurren cuando un atacante graba paquetes RTP y los retransmite posteriormente, lo que puede interrumpir llamadas activas o reproducir fragmentos de conversaciones sensibles.
Los ataques de intermediario (MitM) permiten que un atacante posicionado entre dos terminales intercepte, modifique o redirija flujos RTP sin que ninguna de las partes lo sepa. Sin cifrado ni autenticación, no existe un mecanismo para que los terminales verifiquen que los paquetes llegan sin alteraciones desde la fuente esperada.
Estos no son riesgos teóricos. El tráfico VoIP cruza regularmente la internet pública entre proveedores de troncales SIP, plataformas en la nube y terminales remotos. Cualquier salto a lo largo de esa ruta es un punto de exposición. Y a medida que las organizaciones migran a modelos de trabajo híbrido y remoto, el tráfico de voz atraviesa cada vez más redes que la organización no controla.
Más allá de la higiene de seguridad, varios requisitos de cumplimiento y plataforma ahora exigen cifrado de medios:

• Enrutamiento directo de Microsoft Teams requiere SRTP para todos los medios. Un SBC que no pueda negociar SRTP no pasará la certificación de Teams.
• WebRTC exige DTLS-SRTP. Ninguna plataforma de comunicación basada en navegador funciona sin él.
• HIPAA requiere el cifrado de la información médica protegida electrónica (ePHI) en tránsito, lo que incluye las comunicaciones de voz que transportan datos de pacientes.
• PCI DSS exige el cifrado de datos de tarjetas de pago, incluidos los números de tarjeta dictados por voz a través de VoIP.
• Las directrices de la FCC hacen referencia cada vez más al cifrado de la capa de medios como parte de las mejores prácticas de seguridad de redes VoIP.

Cómo funciona SRTP

SRTP se ubica sobre RTP. Toma un paquete RTP estándar, cifra la carga útil, agrega una etiqueta de autenticación y lo envía a través del mismo transporte UDP que utiliza RTP. El lado receptor verifica la etiqueta de autenticación, descifra la carga útil y pasa los medios a la aplicación. El proceso agrega una latencia mínima porque SRTP utiliza modos de cifrado de flujo diseñados para tolerancia en tiempo real.

Cifrado: AES en modo contador

SRTP utiliza el Estándar de Cifrado Avanzado (AES) como su cifrador predeterminado. Específicamente, opera AES en modo contador (AES-CM), que convierte el cifrador de bloques en un cifrador de flujo. Esta es una decisión de diseño deliberada para medios en tiempo real.
El modo contador genera un flujo de claves cifrando una secuencia de valores de contador. El flujo de claves se combina entonces con la carga útil en texto claro bit a bit para producir texto cifrado. Dado que cada valor de contador es independiente, el receptor puede descifrar cualquier paquete sin necesidad de haber recibido todos los paquetes anteriores primero. Esto es fundamental para VoIP, donde los paquetes habitualmente llegan fuera de orden o se pierden por completo. Un modo de cifrado que requiriera descifrado secuencial fallaría en condiciones normales de red.
Las dos suites criptográficas estándar definidas para SRTP son:

• AES_CM_128_HMAC_SHA1_80 (clave AES de 128 bits, etiqueta de autenticación de 80 bits)
• AES_CM_128_HMAC_SHA1_32 (clave AES de 128 bits, etiqueta de autenticación de 32 bits)

La variante de 80 bits proporciona una autenticación más fuerte y es la predeterminada para la mayoría de las implementaciones.

Autenticación de mensajes: HMAC-SHA1

El cifrado por sí solo no previene la manipulación. Un atacante podría invertir bits en la carga útil cifrada, y el receptor la descifraría como audio corrupto sin saber que los datos fueron modificados.
SRTP aborda esto con HMAC-SHA1 (código de autenticación de mensajes basado en hash que utiliza SHA-1). Para cada paquete, SRTP calcula un HMAC sobre el encabezado RTP y la carga útil cifrada, y luego trunca el resultado a 80 o 32 bits. Esta etiqueta de autenticación se agrega al paquete. El receptor recalcula el HMAC de forma independiente y lo compara. Si las etiquetas no coinciden, el paquete se descarta.
Esto protege contra la modificación y la inyección de paquetes. Un atacante no puede falsificar una etiqueta de autenticación válida sin la clave secreta.

Protección contra repetición

SRTP mantiene una lista de repetición (una ventana deslizante de números de secuencia de paquetes recibidos recientemente). Si un paquete llega con un número de secuencia que ya fue visto, o uno que cae fuera de la ventana aceptable, el paquete se descarta. Esto evita que un atacante grabe paquetes cifrados y los retransmita para interrumpir o confundir una llamada.

Derivación de claves e intercambio de claves

SRTP utiliza una función de derivación de claves (KDF) para generar múltiples claves de sesión a partir de una sola clave maestra. La clave maestra produce claves de cifrado, claves de autenticación y claves de salado separadas tanto para el flujo SRTP como para su compañero SRTCP (Secure RTCP). Esto significa que el protocolo de gestión de claves solo necesita entregar una clave maestra por sesión.
La clave maestra se intercambia durante la configuración de la llamada, a través de la capa de señalización SIP. Dos mecanismos son comunes:
SDES (Session Description Protocol Security Descriptions) incorpora la clave maestra directamente en el cuerpo SDP de los mensajes SIP INVITE y 200 OK, dentro de un atributo crypto. Este es el enfoque más simple y se utiliza ampliamente cuando la señalización SIP está cifrada con TLS. Sin TLS, SDES expone la clave maestra en señalización de texto claro, lo que anula el propósito.
DTLS-SRTP (Datagram Transport Layer Security for SRTP) realiza un handshake DTLS directamente en la ruta de medios para establecer las claves. Esto es más robusto porque el intercambio de claves no depende del cifrado de la capa de señalización. DTLS-SRTP es obligatorio para WebRTC y se adopta cada vez más en VoIP empresarial.

SRTP vs. RTP: ¿qué cambia?

La sobrecarga de ancho de banda de ~2 % proviene de la etiqueta de autenticación agregada a cada paquete (4-10 bytes según la configuración) y el campo opcional de identificador de clave maestra (MKI). Para una llamada G.711 con paquetización de 20 ms, esto se traduce en aproximadamente 1.6 kbps de ancho de banda adicional por dirección. En la práctica, es imperceptible.
SRTP fue diseñado específicamente para agregar seguridad sin degradar el rendimiento en tiempo real. Reutiliza el mismo transporte UDP, las mismas asignaciones de puertos y la misma estructura de encabezado RTP. La infraestructura de red que enruta tráfico RTP enrutará tráfico SRTP de manera idéntica.

TLS + SRTP: seguridad VoIP completa

Un error común es creer que TLS en la señalización SIP por sí solo asegura VoIP. No es así. Una llamada VoIP tiene dos flujos de datos distintos que requieren su propia protección:
La señalización (SIP) abarca los mensajes SIP que establecen, modifican y finalizan las llamadas. Estos contienen los números llamados/llamantes, direcciones IP, SDP con información de códec y claves, y metadatos de enrutamiento. La señalización SIP se cifra con TLS (Transport Layer Security), típicamente en el puerto 5061.
Los medios (RTP/SRTP) son los paquetes reales de voz o video. Estos se cifran con SRTP en puertos UDP negociados dinámicamente.
Si cifra la señalización con TLS pero deja los medios como RTP sin cifrar, un atacante no puede ver quién llamó a quién, pero sí puede capturar y escuchar la conversación. A la inversa, si cifra los medios con SRTP pero envía SIP en texto claro, un atacante puede ver el intercambio de claves SDES y descifrar los medios de todas formas.
Ambas capas deben cifrarse juntas. TLS protege la señalización. SRTP protege los medios. Y el dispositivo que aplica ambos en el límite de la red es el controlador de borde de sesión (SBC).

El papel del SBC en SRTP

En la mayoría de las implementaciones VoIP del mundo real, el SBC se ubica en el borde de la red entre su infraestructura de voz interna y las redes externas: proveedores de troncales SIP, Microsoft Teams, usuarios remotos o socios de interconexión. El SBC es donde se aplica la política de cifrado.
Un SBC que opera como agente de usuario back-to-back (B2BUA) termina completamente y reorigina tanto la señalización como los medios en cada lado de la conexión. Esta arquitectura le otorga tres capacidades fundamentales para la implementación de SRTP:

Retransmisión SRTP

Cuando ambos lados de una llamada admiten SRTP, el SBC retransmite los medios cifrados entre ellos. El SBC negocia los parámetros criptográficos (suite de cifrado, claves) de forma independiente en cada tramo, descifra el SRTP entrante y lo recifra para el tramo saliente. Esto mantiene el cifrado mientras permite al SBC aplicar políticas de medios, realizar normalización SIP y generar registros de detalle de llamadas.

Conversión de RTP a SRTP

Aquí es donde el SBC se vuelve esencial para entornos mixtos. Muchas PBX IP heredadas, teléfonos SIP antiguos y algunos proveedores de troncales SIP solo admiten RTP sin cifrar. Las plataformas modernas como Microsoft Teams y las aplicaciones WebRTC requieren SRTP.
El SBC cierra esta brecha aceptando RTP sin cifrar del lado heredado, cifrándolo en SRTP y reenviándolo al destino que requiere SRTP. En la ruta de retorno, el SBC descifra SRTP de vuelta a RTP sin cifrar para el terminal heredado. El equipo heredado no necesita cambios.
Esta conversión de RTP a SRTP es lo que permite a las organizaciones conectar la infraestructura de voz existente al Enrutamiento directo de Teams, centros de contacto en la nube y otras plataformas que exigen cifrado, sin reemplazar hardware ni recapacitar al personal.

Ocultación de topología con contexto de cifrado

El SBC oculta las direcciones IP de la red interna de las entidades externas. Combinado con SRTP, esto significa que las entidades externas no ven ni la topología de red interna ni el contenido de los medios. El SBC presenta sus propias direcciones IP al mundo exterior y gestiona contextos criptográficos SRTP separados para cada tramo de la llamada.

¿Cuándo necesita SRTP?

La respuesta corta: siempre, cuando sea factible. El cifrado de medios tiene un costo de rendimiento insignificante y un beneficio de seguridad significativo. Sin embargo, ciertos escenarios lo hacen obligatorio en lugar de recomendado.
Enrutamiento directo de Microsoft Teams requiere SRTP para todos los medios. Si su SBC no admite la negociación SRTP y la conversión de RTP a SRTP, las llamadas de Teams fallarán.
Las aplicaciones WebRTC utilizan DTLS-SRTP. Si está integrando comunicaciones basadas en navegador con su red de voz, SRTP no es opcional.
Salud (HIPAA) trata las llamadas de voz que transportan información de pacientes como ePHI en tránsito. SRTP proporciona la capa de cifrado necesaria para cumplir con los requisitos de seguridad de transmisión de la Regla de Seguridad de HIPAA.
Servicios financieros (PCI DSS) exige el cifrado de datos de tarjetas de pago, incluidos los números de tarjeta dictados por voz a través de VoIP. SRTP protege el tramo de medios.
Los trabajadores remotos e híbridos representan un punto de exposición creciente. Cuando el tráfico VoIP sale de la red corporativa y atraviesa la internet pública para llegar a empleados remotos, el cifrado previene la interceptación en segmentos de red no controlados. Los SBC con soporte SIP/TLS y SRTP protegen estas conexiones en el borde de acceso.
Cualquier tráfico que cruce la internet pública debe cifrarse. Si los paquetes de voz atraviesan cualquier segmento de red que usted no controla físicamente, el cifrado es una medida de seguridad básica.

Conceptos erróneos comunes sobre SRTP

SRTP reemplaza a TLS es una suposición común, pero incorrecta. SRTP cifra los medios. TLS cifra la señalización. Protegen flujos de datos diferentes y ambos son necesarios para una seguridad VoIP completa. Sin TLS, el intercambio de claves SDES en la señalización SIP expone la clave maestra SRTP en texto claro.
SRTP agrega latencia significativa es otro concepto erróneo. AES en modo contador es un cifrador de flujo que procesa cada paquete de forma independiente sin requerir retroalimentación de paquetes anteriores. Las investigaciones muestran aproximadamente un 2 % de sobrecarga de ancho de banda con un impacto de latencia insignificante. No hay degradación perceptible de la calidad.
Todo el equipo VoIP admite SRTP no es el caso. Muchas PBX IP heredadas, adaptadores de teléfonos analógicos y teléfonos SIP antiguos solo admiten RTP sin cifrar. Un SBC con capacidad de conversión de RTP a SRTP cierra esta brecha sin requerir el reemplazo de equipos.
SRTP proporciona cifrado de extremo a extremo es técnicamente posible pero poco común. En la mayoría de las implementaciones empresariales, SRTP opera salto por salto. El SBC descifra y recifra los medios en el límite de la red. Esto permite al SBC aplicar políticas de seguridad, generar CDR y realizar operaciones de medios. El cifrado verdadero de extremo a extremo (donde solo los dos terminales poseen las claves) es raro en VoIP en producción porque impide todo procesamiento intermedio.

Cómo empezar con SRTP

Implementar SRTP en su red VoIP es un proceso de cuatro pasos:

1. Audite su estado actual de cifradoIdentifique qué troncales, terminales y plataformas utilizan actualmente RTP en comparación con SRTP. Observe qué conexiones cruzan la internet pública y cuáles permanecen dentro de su red controlada. Priorice las conexiones orientadas a internet y las sensibles al cumplimiento normativo.
2. Habilite TLS en la señalización SIPEl intercambio de claves SRTP mediante SDES depende de TLS para proteger la clave maestra en tránsito. Configure TLS en su SBC para todas las conexiones SIP, comenzando con las troncales orientadas a internet. Utilice el puerto 5061 (el puerto estándar para SIP sobre TLS).
3. Configure SRTP en su SBCHabilite SRTP para cada grupo de troncales o punto de acceso de red (NAP). Para entornos mixtos, configure el SBC para realizar la conversión de RTP a SRTP, de modo que los terminales heredados puedan conectarse a plataformas que exigen SRTP sin modificación.
4. Verifique con captura de paquetesUtilice Wireshark o las herramientas de captura integradas de su SBC para confirmar que los paquetes de medios en las troncales habilitadas con SRTP están cifrados. Verifique que la conversión de RTP a SRTP funciona correctamente en los tramos mixtos. Compruebe que SRTCP también está cifrado junto con SRTP.

SRTP en el marco amplio de seguridad VoIP

SRTP es una capa en un enfoque de defensa en profundidad para la seguridad VoIP. Una red de voz fortalecida combina:

• SRTP para el cifrado de medios
• TLS para el cifrado de señalización
• SBC con arquitectura B2BUA para la ocultación de topología, control de acceso y aplicación de cifrado
• Protección contra DoS/DDoS en el SBC para mitigar ataques de inundación SIP
• Listas de bloqueados dinámicas y listas de control de acceso de llamadas para bloquear tráfico malicioso
• STIR/SHAKEN para la autenticación de identidad del llamante

Cada capa aborda un vector de amenaza diferente. SRTP aborda específicamente la confidencialidad e integridad de los medios de voz y video en tránsito. Combinado con las otras capas, forma parte de una postura de seguridad VoIP integral.

Preguntas frecuentes

Conclusión

SRTP extiende RTP con cifrado AES, autenticación HMAC-SHA1 y protección contra repetición. Agrega aproximadamente un 2 % de sobrecarga de ancho de banda con un impacto de latencia insignificante. TLS y SRTP juntos proporcionan seguridad VoIP completa: TLS para la señalización, SRTP para los medios.
El SBC es el punto de aplicación. Negocia los parámetros SRTP, convierte RTP a SRTP para terminales heredados y mantiene contextos de cifrado separados en cada tramo de la llamada. Para las organizaciones que se conectan a Microsoft Teams, plataformas WebRTC o cualquier servicio que exija SRTP, un SBC con capacidad de conversión de RTP a SRTP es el puente entre la infraestructura existente y los requisitos de seguridad modernos.