本文へ移動

k8o

お問い合わせ

255文字以内で入力してください

GitHub Issueからのお問い合わせもお待ちしております。

Blog

公開: 2025年10月25日(土)更新: 2026年11月9日(月)約16分で読めます

WebRTC Encoded TransformでE2EEを実装する

WebRTC Encoded Transformは、エンコード済みの映像や音声のフレームをWorkerで書き換えてから送受信する仕組みです。RTCRtpScriptTransformで暗号化と復号を挟み、E2EEを実装します。

Newly availableWebRTC encoded transform2025年〜
  • Chrome141
  • Edge141
  • Firefox117
  • Safari15.4

はじめに

WebRTC Encoded Transformは、WebRTCで送受信する映像や音声を、エンコードした後やデコードする前のフレームの段階でWorkerに渡し、データを書き換えられるようにする機能です。送信側で暗号化して受信側で復号すれば、通信を中継するサーバーにも中身が読めないE2EE(End-to-End Encryption)を実装できます。Chrome 141が対応して、Baseline 2025に入りました。

1対1でつなぐ通信は、WebRTCがDTLS-SRTPで暗号化します。SFUのようなメディアサーバーを経由する通信では、サーバーで一度復号されます。サーバーにも読めないように暗号化したいときに、Encoded Transformが要ります。

同じページで2つのRTCPeerConnectionをつなぐと、外のサーバーなしで試せます。

index.html
<!doctype html>
<canvas width="320" height="240"></canvas>
<video autoplay muted playsinline></video>
<script type="module">
  // 色が変わり続けるcanvasを送る映像にする
  const canvas = document.querySelector('canvas');
  const ctx = canvas.getContext('2d');
  let n = 0;
  setInterval(() => {
    ctx.fillStyle = `hsl(${n++ * 5} 80% 50%)`;
    ctx.fillRect(0, 0, 320, 240);
  }, 33);
  const stream = canvas.captureStream(30);

  const pc1 = new RTCPeerConnection();
  const pc2 = new RTCPeerConnection();
  const sender = pc1.addTrack(stream.getVideoTracks()[0], stream);
  sender.transform = new RTCRtpScriptTransform(new Worker('worker.js'), {});
  pc2.ontrack = (event) => {
    document.querySelector('video').srcObject = event.streams[0];
  };

  // ICEの候補が出そろってからSDPを渡す
  const gathered = (pc) =>
    new Promise((resolve) => {
      if (pc.iceGatheringState === 'complete') return resolve();
      pc.addEventListener('icegatheringstatechange', () => {
        if (pc.iceGatheringState === 'complete') resolve();
      });
    });
  await pc1.setLocalDescription();
  await gathered(pc1);
  await pc2.setRemoteDescription(pc1.localDescription);
  await pc2.setLocalDescription();
  await gathered(pc2);
  await pc1.setRemoteDescription(pc2.localDescription);
</script>

開くと左のcanvasの色が変わり続け、右のvideoに同じ映像が映ります。コンソールには、Workerが受け取ったフレームの種類と大きさがkey 177、delta 111のように流れます。

RTCRtpScriptTransform

WebRTC Encoded Transformは、送信側ではエンコードとネットワークのあいだに、受信側ではネットワークとデコードのあいだに、Workerで動く変換(Transform)を挟みます。

送信側

  1. 映像の入力
  2. エンコード
  3. TransformWorkerで暗号化

ネットワーク

受信側

  1. TransformWorkerで復号
  2. デコード
  3. 表示

これまでは、エンコードからデコードまでのあいだに手を入れられませんでした。扱うのはエンコード済みのデータなので、色を変えるといった映像の効果をかける用途には向きません。

変換は、RTCRtpScriptTransformを作り、RTCRtpSenderかRTCRtpReceiverのtransformプロパティに入れて挟みます。

ts
new RTCRtpScriptTransform(worker, options, transfer);

第1引数には変換を動かすWorkerを渡します。第2引数はWorkerに渡すオプションで、第3引数はWorkerに転送するオブジェクトの配列です。第2引数と第3引数は省けます。

ts
videoSender.transform = new RTCRtpScriptTransform(worker);

Workerでは、rtctransformイベントのevent.transformerのreadableからフレームを読み、writableに書き戻します。映像のフレームはRTCEncodedVideoFrameで、data(ArrayBuffer)とtype(keyかdelta)を持ちます。getMetadata()を呼ぶと、コーデック(既定ではChromeがvideo/VP8、Safariがvideo/H264)や幅と高さが分かります。

E2EEを実装する

はじめにのindex.htmlのsender.transformとpc2.ontrackを次のように替え、送信側で暗号化し、受信側で復号します。

js
const key = await crypto.subtle.generateKey(
  { name: 'AES-GCM', length: 128 },
  false,
  ['encrypt', 'decrypt'],
);
sender.transform = new RTCRtpScriptTransform(new Worker('e2ee-worker.js'), {
  operation: 'encrypt',
  key,
});
pc2.ontrack = (event) => {
  event.receiver.transform = new RTCRtpScriptTransform(
    new Worker('e2ee-worker.js'),
    { operation: 'decrypt', key },
  );
  document.querySelector('video').srcObject = event.streams[0];
};

CryptoKeyはoptionsに入れてWorkerに渡せます。ここでは同じページで作った鍵を両方に渡していますが、実際には鍵交換の仕組みで相手と共有します。

Worker側(e2ee-worker.js)では、AES-GCMでフレームを暗号化し、初期化ベクトル(IV)を末尾に付けて送ります。受信側は末尾のIVを取り出して復号します。

e2ee-worker.js
// 先頭のバイトは暗号化しない(VP8のキーフレームは10バイト、それ以外は3バイト)
const offsets = { key: 10, delta: 3 };

self.addEventListener('rtctransform', (event) => {
  const { readable, writable, options } = event.transformer;
  const { operation, key } = options;
  readable
    .pipeThrough(
      new TransformStream({
        async transform(frame, controller) {
          const data = new Uint8Array(frame.data);
          const n = offsets[frame.type] ?? 1;
          const head = data.subarray(0, n);
          if (operation === 'encrypt') {
            const iv = crypto.getRandomValues(new Uint8Array(12));
            const body = await crypto.subtle.encrypt(
              { name: 'AES-GCM', iv, additionalData: head },
              key,
              data.subarray(n),
            );
            frame.data = concat(head, new Uint8Array(body), iv).buffer;
          } else {
            const iv = data.subarray(data.length - 12);
            try {
              const body = await crypto.subtle.decrypt(
                { name: 'AES-GCM', iv, additionalData: head },
                key,
                data.subarray(n, data.length - 12),
              );
              frame.data = concat(head, new Uint8Array(body)).buffer;
            } catch {
              return; // 復号できないフレームは捨てる
            }
          }
          controller.enqueue(frame);
        },
      }),
    )
    .pipeTo(writable);
});

function concat(...parts) {
  const out = new Uint8Array(parts.reduce((sum, p) => sum + p.length, 0));
  let offset = 0;
  for (const p of parts) {
    out.set(p, offset);
    offset += p.length;
  }
  return out;
}

VP8では、フレームの先頭(キーフレームは10バイト、それ以外は3バイト)を暗号化せずに残し、受信側のブラウザがフレームの種類を見分けられるようにします。フレーム全体を暗号化すると、Chromeでは映像は映りますが、受信側ではキーフレームでない多くのフレームがtypeをkeyとして届きます。

受信側に復号のTransformを置かないと、映像は映りません。違う鍵で復号するとdecrypt()が失敗してフレームを捨てるので、やはり映りません。

Safariは既定のコーデックがH.264で、このE2EEのコードのままでは映像が映りません(フレームをそのまま通す最初の例は映ります)。Workerで暗号化せずに残す先頭のバイト数はVP8に合わせたものなので、SafariではaddTrack()の後でVP8を先頭に並べます。

js
const [transceiver] = pc1.getTransceivers();
const { codecs } = RTCRtpSender.getCapabilities('video');
transceiver.setCodecPreferences([
  ...codecs.filter((c) => c.mimeType === 'video/VP8'),
  ...codecs.filter((c) => c.mimeType !== 'video/VP8'),
]);

こう並べると、Safariでもフレームが復号されて映ります。

おわりに

WebRTC Encoded Transformを使うと、エンコード済みのフレームをWorkerで書き換えてから送受信できます。送信側で暗号化して受信側で復号すれば、SFUのようなサーバーを経由しても中身を読ませないE2EEを、WebRTCの送受信の途中に挟めます。