人工智能持续证明其潜力远不止于文本生成。在自主研究中,Anthropic 的 Claude Mythos Preview 模型发现了两种此前未知的密码分析攻击方法。第一种针对后量子数字签名方案 HAWK,第二种则针对简化版 7 轮 AES-128 加密算法。

尽管这两项发现主要具有研究性质,且不会对当前工业系统构成威胁,但它们是一个标志性信号。我们正在见证先进 AI 模型开始达到密码学专家水平,这既为安全审计开辟了新可能,也带来了未来的潜在风险。

对 HAWK 的攻击:动摇后量子签名的信任基础

HAWK 是后量子数字签名标准化候选方案之一,旨在抵御量子计算机的攻击。Claude Mythos Preview 发现了 HAWK 数学结构中隐藏的对称性,从而显著加速了恢复私钥的攻击过程。

对于 HAWK-256 版本,完全恢复密钥的计算成本从 264 次操作降至 238 次。这意味着为保持原有安全级别,开发者需要将密钥大小大约翻倍,从而抵消了该方案的主要优势之一——紧凑性。需要强调的是,该攻击不影响 HAWK-512 和 HAWK-1024 版本,也不适用于其他基于格的后量子方案。

Möbius Bridge:加速对 7 轮 AES 的攻击

第二项发现涉及 7 轮 AES-128 版本——一种用于强度测试的简化学术变体。Claude Mythos Preview 开发了一种名为 Möbius Bridge 的方法,改进了已知最佳的中间相遇攻击。根据计算方法不同,加速效果达到 200 至 800 倍。

然而,这一场景仍纯属理论性质。它假设采用选择明文模型,攻击者可以发送 2105 个预先选择的加密请求。实际系统中使用的完整 10 轮 AES-128 仍然坚不可摧。

评估 AI 密码分析师的新基准

在此次研究中,Anthropic 与苏黎世联邦理工学院、特拉维夫大学等机构的学者共同推出了 CryptanalysisBench——一个专门评估语言模型密码分析能力的基准测试。该基准包含六大类密码原语的 191 项任务。

结果显示,包括 Claude Mythos 5 在内的最佳模型能解决 85-86% 的一级任务。然而,在面对完整、未简化的方案时,没有任何模型超过 9%。这清楚地表明,距离创建基于 AI 的通用"密码破解器"还有很长的路要走。

专家观点: Anthropic 的研究并非恐慌的理由,而是密码分析自动化领域的重要进步。这类工具掌握在"白帽黑客"和标准制定者手中,可以显著加速在设计阶段发现薄弱环节。然而,硬币的另一面是攻击者可能利用此类模型。行业需要为新的现实做好准备——AI 将成为防御与攻击的标准工具。