Un parseur Signal Desktop pour Exhume : pourquoi ma première version était fausse
Résumé#
k1nd0ne, le mainteneur d'Exhume, m'avait proposé Signal comme prochain chantier, avec un article de 2025 et l'outil Python qui va avec comme point de départ. Je m'y suis mis en novembre 2026 et j'ai écrit un parseur desktop_signal pour exhume_artefacts : il lit la base de conversations de Signal Desktop une fois déchiffrée et sort les messages dans le format de discussion d'Exhume, celui des parseurs WhatsApp et iMessage. Il ne déchiffre rien. Ma première version, écrite d'après l'outil, se trompait sur les pièces jointes, l'état de lecture et l'auteur des messages de groupe ; le code source de Signal puis une relecture indépendante ont fait le tri. Le parseur est testé sur le schéma que Signal 8.34 crée réellement. La PR est ouverte depuis le 16 novembre : exhume_artefacts#1.
Le tableau#
| Pièce | Sujet | État |
|---|---|---|
| exhume_body#2 | lecture des images QCOW2 | fusionnée le 19/10 |
| exhume_body#3 | lecture des images VHDX | fusionnée le 22/10 |
| exhume_btrfs#1, exhume_filesystem#1 | Btrfs : la crate, puis l'adaptateur | ouvertes, l'adaptateur en brouillon |
| exhume_zfs#1, exhume_filesystem#2 | ZFS : la crate, puis l'adaptateur | ouvertes, l'adaptateur en brouillon |
| exhume_artefacts#1 | parseur desktop_signal pour Signal Desktop |
ouverte le 16/11 |
Environnement#
Signal Desktop 8.34.0 (paquet Arch), le dépôt Signal-Desktop à 8.38.0-alpha.1 pour lire le code, sqlcipher 4.18 en ligne de commande, exhume_artefacts 0.6.0.
1. Ce que lit le parseur#
Signal Desktop garde tout dans sql/db.sqlite, une base SQLCipher, au même format sous Windows, Linux et macOS. Deux tables comptent : conversations et messages. Chacune a quelques colonnes et un champ json qui contient le reste. Le parseur prend la base déjà déchiffrée et sort une ligne par conversation et une par message, avec l'expéditeur, les dates, le texte, les pièces jointes et l'état. Seules les lignes de type incoming et outgoing sont des messages ; les autres (group-v2-change, call-history, keychange...) sont des événements et je les saute.
2. Comment il est construit#
Dans exhume_artefacts, un parseur est une structure qui implémente le trait Parser : un nom, une description, les fichiers compagnons qu'il accepte, et une fonction run_into qui reçoit le fichier et pousse des objets vers l'appelant. Le mien s'appelle desktop_signal et vit dans un nouveau module, src/parsers/desktop/, parce que le format est le même sur les trois systèmes : il n'avait sa place ni dans macos/ ni dans mobile/. Je suis parti du parseur WhatsApp, qui lit lui aussi une base SQLite et sort la même enveloppe chat.v1. Le fichier fait 1 658 lignes, dont environ 990 de code et 660 de tests.
Le déroulé, dans l'ordre :
- La copie. La couche SQLite du crate copie la base et ses fichiers
-walet-shmdans un dossier temporaire, et le parseur travaille sur cette copie. Il ne touche jamais aux fichiers d'origine. - Les refus. Si les seize premiers octets ne sont pas l'en-tête SQLite, la base est encore chiffrée et je m'arrête avec un message qui le dit. Si les tables
conversationsetmessagesmanquent, ou leurs colonnes de base, ce n'est pas une base Signal. - L'annuaire. Je charge toutes les conversations en mémoire : identifiant, type, membres pour un groupe, et le nom que Signal afficherait, dans son ordre à lui (surnom, nom du carnet d'adresses, nom de profil, nom d'utilisateur). J'en tire une table « identifiant de compte vers nom », qui sert ensuite à nommer l'auteur de chaque message. L'identifiant du propriétaire vient de
items.uuid_id. - Les tables annexes.
message_attachmentsetedited_messagessont chargées une fois et rangées par message. Pour les pièces jointes je ne garde que la révision courante du message. - Les messages. Ils sont lus un par un, dans l'ordre des
rowid, et sortis au fur et à mesure. Rien n'est accumulé, d'où une mémoire qui reste plate quelle que soit la taille de la base.
Pour chaque message, la colonne passe avant le JSON, et le JSON sert de repli pour les vieilles versions qui n'avaient pas encore la colonne. Seule exception, le numéro de téléphone, où c'est l'inverse (section 5). Chaque colonne n'est demandée que si elle existe dans cette base, sinon la requête met NULL à sa place : la même requête sert donc aux anciens et aux nouveaux schémas.
| Champ sorti | D'où il vient |
|---|---|
| sens | type (incoming ou outgoing) |
| expéditeur | sourceServiceId (ou sourceUuid avant), sinon le contact de la conversation ; le propriétaire pour un message envoyé |
| dates | sent_at et received_at_ms, en millisecondes |
| texte | body |
| pièces jointes | message_attachments, sinon la liste du JSON |
| lu | readStatus pour un message reçu, les accusés de sendStateByConversationId pour un message envoyé |
| délivré | sendStateByConversationId, sans compter l'entrée du propriétaire, qui ne suit que la synchronisation avec ses autres appareils |
| supprimé | deletedForEveryone |
Tout ce qui ne rentre pas dans ces champs va dans un bloc details, tel quel : réactions, historique des modifications avec l'état de chaque version, message cité, état d'envoi complet par destinataire, et chaque ligne de pièce jointe avec son chemin sur disque. Et une règle : une valeur que la base ne dit pas reste vide, je ne la déduis pas.
3. Ma première version était fausse#
Je l'avais écrite à partir des requêtes SQL de l'outil. Elle passait ses tests, que j'avais écrits moi-même sur le schéma que je supposais. En ouvrant le code de Signal (ts/sql, ts/messages), quatre erreurs :
- Les pièces jointes ne sont plus dans le JSON du message. Depuis la migration 1360, de mai 2025, elles sont dans la table
message_attachments. Sur un Signal récent, mon parseur n'en aurait trouvé aucune. readStatusvaut 0 pour lu, 1 pour non lu, 2 pour vu. Je ne comptais que 0 : tous les messages « vus » sortaient non lus.- Dans un groupe, j'affichais le nom du groupe à la place de celui de l'auteur.
- L'identifiant du propriétaire, dans
items.uuid_id, est stocké sous la forme<aci>.<numéro d'appareil>. Je gardais le suffixe, donc il ne correspondait à aucune conversation.
Leçon : des tests écrits sur le schéma qu'on imagine ne prouvent que la cohérence avec ce qu'on imagine.
4. Le vrai schéma, sans toucher à mon profil#
Il me fallait une base produite par Signal lui-même. J'ai lancé le Signal installé sur un profil vierge, dans un dossier isolé, avec une clé de test que je lui avais donnée, puis déchiffré la base avec sqlcipher et cette clé. Résultat : 60 tables, aucun compte, une seule conversation, celle que Signal crée pour ses notes de version. Toutes les colonnes que lit le parseur y existent sous ce nom. J'y ai inséré mes lignes fabriquées et comparé avec mon schéma réduit : même sortie, objet pour objet.
Au passage, le vrai schéma refuse un JSON malformé à l'insertion, à cause de ses index sur json_extract(). Pour tester le contenu hostile il a fallu garder le schéma réduit.
5. Ce que la relecture a trouvé#
J'ai fait relire le code par un second relecteur, avec pour consigne de chercher les défauts. Huit, tous vérifiés dans le code de Signal avant correction :
isErasedn'est pas une suppression. Signal efface aussi un message à vue unique une fois vu ou envoyé, et les messages qu'il ne sait pas afficher. Je marquais tout ça « supprimé ». SeuldeletedForEveryoneen est une.- Un autocollant, un sondage, un contact partagé sont des lignes
incomingououtgoingsans texte. Ils sortaient comme des messages vides, contenu perdu. - Un message modifié garde au premier niveau l'état de sa version d'origine. L'état de la modification est dans
editHistory[0]pour l'envoi, et dans la tableedited_messagespour la lecture. - Les noms étaient tronqués au prénom :
profileFullNameest une colonne, jamais une clé du JSON. - Sur les vieilles bases, la colonne
sourceavait une affinité numérique et le numéro de téléphone y perd son+. - Pour un message envoyé sans accusé de lecture, je sortais « non lu ». Le destinataire peut avoir désactivé les accusés : l'état est inconnu.
- N'importe quelle base avec des tables
conversationsetmessagesétait acceptée. - Une valeur parasite dans une liste
attachmentsdevenait une pièce jointe fantôme.
cargo doc a ajouté le sien : un lien de documentation vers un élément privé, introduit par mon module.
6. Les tests#
84 tests unitaires dans le crate, dont 5 nouveaux. Le reste est hors du commit :
- 300 014 lignes fabriquées dans le vrai schéma, 440 Mo. Le parseur sort 221 406 messages en 11,5 s avec 65 Mo de mémoire. Un script recalcule chaque champ en SQL, sans passer par le code du parseur : tout concorde.
- Une base chiffrée avec
sqlcipher: refusée avec un message clair tant qu'elle est chiffrée, sortie identique une fois déchiffrée. - Un WAL non consolidé, copié pendant que l'écrivain tourne : lu si le fichier
-walest fourni, et les fichiers d'origine ont le même hash avant et après. - 313 exécutions sur des bases tronquées, altérées ou remplies de lignes malformées : 158 lues, 155 erreurs propres, aucun plantage.
- La même base dans une image ext4, lue en raw, QCOW2 et VHDX à travers
exhume_filesystem: même sortie. - Le patch appliqué avec
git amsur un clone neuf.
Pour finir, je l'ai passé sur un vrai compte, lié à un profil jetable. Tout concordait avec le calcul SQL et je n'ai rien conservé de ce test. Il a corrigé une de mes hypothèses : pour un long message, body contient le texte complet, il n'est pas tronqué.
7. Disque chiffré ou non#
Le parseur travaille sur un fichier, la question du disque se pose avant lui.
| Situation | Ce que ça donne |
|---|---|
| Disque non chiffré | les fichiers du profil Signal sont lisibles dans l'image |
| Disque chiffré, clé connue | Exhume ouvre le volume avec la clé fournie (BitLocker est pris en charge) et on revient au cas précédent |
| Disque chiffré, clé inconnue | rien n'est lisible, ni Signal ni le reste |
Lire le fichier ne suffit pas pour autant. Signal chiffre sa base avec sa propre clé, et le système la protège dans le coffre de la session de l'utilisateur. Retrouver cette clé à partir d'une image est l'étape suivante et elle n'est pas faite : aujourd'hui le parseur sert à qui a déjà une base déchiffrée.
Ce qui n'est pas couvert#
Le déchiffrement de la base. Les fichiers des pièces jointes, que le parseur référence sans les ouvrir. Les stories, l'historique des appels, la résolution des mentions dans le texte. Les vieilles bases : une seule version réelle de Signal a servi de référence, les schémas antérieurs sont testés sur un modèle écrit à la main. Et une question ouverte pour la suite : quelle implémentation de SQLCipher prendre.
Sources#
- Le dépôt forensicxlab/exhume et les PR du tableau, dont exhume_artefacts#1 et ses questions en commentaire.
- Le code de Signal Desktop :
ts/sql,ts/messages,ts/sql/migrations/1360-attachments. - « Decrypting messages: Extracting digital evidence from Signal Desktop for Windows », Forensic Science International: Digital Investigation, vol. 54, 2025, et son outil SignalForensics.
- Le rapport de test, la relecture, les scripts et les journaux : branche
signal-test-kitde mon fork.