Resumen

  • RFC 9626 saca de la carga cifrada una descripción compacta de límites de trama, independencia temporal, descarte y capas para que un conmutador RTP pueda seleccionar tráfico sin descifrar la imagen.
  • La autenticación SRTP demuestra el origen e integridad de la extensión, no que sus bits coincidan con la carga, con las referencias que conserva el receptor ni con lo que llegó a mostrarse.
  • Un recibo defendible une negociación, extracción en el emisor, visibilidad de metadatos, decisión de reenvío, entrega, estado del decodificador y resultado renderizado.

El gráfico de ancho de banda cae justo cuando debía. El SFU registra que eliminó tramas marcadas D y la capa temporal más alta. Ninguna sesión se desconecta. Sin embargo, el contador de recuperaciones del decodificador sube y varias pantallas conservan durante segundos la última imagen válida.

Las dos métricas pueden ser ciertas. Una describe la obediencia del conmutador; la otra, las consecuencias en un estado que el conmutador no veía.

RFC 9626 fue publicado como Experimental en marzo de 2025 para resolver esa división de trabajo. En una conferencia con vídeo privado cifrado de extremo a extremo, un conmutador RTP central todavía necesita escoger al hablante, cambiar de flujo o reducir capas durante congestión. La extensión de marcado de tramas le entrega estructura, no contenido.

La ventaja institucional es tan importante como la técnica. El servicio puede conceder al intermediario una facultad estrecha —decidir qué reenviar— sin concederle acceso a los píxeles. La condición es no atribuir a esa facultad pruebas que pertenecen al codificador o al receptor.

Cada bit responde a una pregunta distinta

El formato corto ofrece S, E, I y D. Los dos primeros delimitan el inicio y el final de una trama dentro de una capa. I declara independencia respecto de tramas temporalmente anteriores. D declara que el emisor sabe que esa trama puede desaparecer sin volver indecodificable el flujo restante.

El formato largo incorpora B, TID, LID y TL0PICIDX. TID sitúa la trama en una capa temporal; LID, en una capa espacial o de calidad; TL0PICIDX identifica una imagen de capa temporal base o la base de la que depende una mejora. B señala un punto de sincronización entre una capa temporal superior y la base.

La economía del formato impone límites. I no significa independencia espacial: una mejora puede necesitar la capa inferior del mismo instante. Un TID o LID alto expresa posición relativa, no una tasa de cuadros, resolución o bitrate absolutos. Los identificadores de capa tampoco sustituyen por sí solos un grafo completo de dependencias.

La derivación de B muestra por qué la marca es una afirmación de implementación. En H.264 y H.265, dice el RFC, la inspección simple de cabeceras de carga puede no bastar; quizá haga falta una interfaz interna del códec. El SFU recibe un bit limpio, pero no el estado interno que lo produjo.

«Debe representar la carga» asigna responsabilidad

La norma exige que los valores representen hechos contenidos en la carga RTP. Para VP8 y VP9 existen descriptores comparables; H.264 y H.265 tienen reglas y salvedades propias. Un formato futuro debe explicar cómo proyecta sus capas en TID y LID.

Esa regla hace posible la interoperabilidad, pero no hace que la extensión se compruebe a sí misma.

Antes de cifrar, el emisor o una prueba de conformidad puede cotejar el descriptor de carga y los eventos internos del codificador con cada marca emitida. Después, un conmutador que sólo tiene el texto cifrado no puede abrir la imagen para verificar que I era realmente independiente o que D no sostenía ninguna referencia. Una tabla de mapeo equivocada, una carrera de estado o una actualización defectuosa del códec pueden producir metadatos auténticos y falsos a la vez.

SRTP conserva origen e integridad. Eso permite decir «este par autorizado envió estos bits y no fueron alterados sin detección». No permite decir «un observador independiente confirmó la estructura del vídeo». La identidad del hablante y la verdad de lo dicho son pruebas diferentes.

Por ello, la homologación debe incluir contraejemplos: una trama predictiva marcada I; una referencia marcada D; límites que chocan con marcas RTP, timestamps o agrupación de paquetes; saltos injustificados de índices; un punto de cambio sin todas las capas espaciales; la pérdida de la fuente interna requerida para B. La mera presencia de la URI no prueba el contrato semántico.

Una orden de descarte no es un recibo de pantalla

RFC 9626 sugiere que, al aliviar congestión, el conmutador descarte primero tramas D o las capas temporales y espaciales/de calidad más altas. Al iniciar un nuevo flujo, conviene hacerlo donde I aparezca en todas las capas espaciales necesarias.

La decisión es racional con la información disponible. Pero D contiene el juicio del emisor, no el búfer de referencias del receptor después de pérdidas previas. Un punto I habilita una entrada, pero no garantiza que todos sus paquetes lleguen antes del plazo de reproducción. El SFU tampoco ve necesariamente un fallo local del decodificador.

RFC 9627 permite solicitar un refresco de capa y alinea sus identificadores con RFC 9626. Un FIR puede pedir una nueva imagen completa. Ambos son mensajes de una cadena de control. La solicitud no demuestra que el codificador respondió, que la red entregó el refresco o que el receptor lo incorporó.

El recibo completo conserva cuatro enlaces: qué marca autenticada vio el conmutador; qué decisión tomó y por qué; qué paquetes y dependencias obtuvo el receptor; qué imagen entró realmente en la ventana de presentación. Si falta el último enlace, «el SFU actuó correctamente» no equivale a «el participante recibió el vídeo».

La extensión decide quién observa el ritmo

Con SRTP, las extensiones quedan autenticadas y pueden cifrarse. Si el conmutador es un par SRTP, puede leer una extensión cifrada mientras el contenido privado de extremo a extremo sigue opaco. Otros equipos del camino no obtienen la señal.

También es posible dejar la marca sin cifrar para que más intermediarios optimicen el descarte. El precio es publicar con gran fiabilidad los límites, los cambios de capa y los intervalos de imágenes independientes. Aun sin esa ayuda, el tamaño de los paquetes cifrados puede permitir inferir estadísticamente algunos fotogramas clave. La marca explícita cambia la categoría probatoria: ya no es una sospecha por tamaño, sino un indicador estable.

La privacidad, entonces, no se reduce a si alguien puede reconstruir los píxeles. Una serie temporal de capas y puntos independientes puede describir actividad, cambios de escena y comportamiento del medio. RFC 9335 ofrece el mecanismo para cifrar por completo extensiones y fuentes contribuyentes, mientras RFC 8871 explica el contexto de medios privados. La elección de audiencia y retención sigue siendo política del servicio.

Sin la negociación, el número carece de significado

La URI urn:ietf:params:rtp-hdrext:framemarking se negocia con extmap según RFC 8285 y recibe un identificador local. Ese número puede significar otra cosa en otra sesión; la dirección autorizada puede cambiar con una actualización de oferta/respuesta.

Una captura de paquetes sin la negociación no basta para una auditoría. Hace falta conservar URI, identificador, dirección, protección aplicada y vigencia. Interpretar un número por costumbre, cuando no estaba activo o había sido reasignado, convierte bytes familiares en una decisión sin fundamento.

La dependencia también evoluciona con el códec. RFC 9628 describe cómo VP9 conecta su estructura escalable con estas marcas. Una nueva versión del codificador puede cambiar la extracción y una nueva versión del SFU, la decisión. Deben desplegarse y probarse como una superficie conjunta aunque la extensión sobre el cable parezca idéntica.

Sources