Anthropic 推出的 Claude Mythos Preview 模型展现了专业密码分析师的实力,成功发现两起严重攻击:针对后量子数字签名方案 HAWK 的攻击,以及针对简化版 AES-128 加密算法的攻击。这并非简单的实验室练习——这是人工智能开始自主发现数学弱点的里程碑,而此前这些弱点需要人类多年的研究才能找到。
这两项发现均属研究性质,不会对现有基础设施构成威胁。然而,它们对未来密码学的意义无论如何强调都不为过。
对 HAWK 的攻击:破坏防御的对称性
Claude Mythos 发现了 HAWK 数学结构中隐藏的对称性——HAWK 是 NIST 后量子数字签名标准化候选方案之一。利用这一特性,AI 成功加速了恢复私钥的攻击。对于 HAWK-256 版本,完全破解的成本从 264 次操作降至 238 次操作。这意味着,为维持原有安全级别,密钥尺寸需大致翻倍,从而抵消了该方案的主要优势之一——紧凑性。
需要强调的是:对于 HAWK-512 和 HAWK-1024,该攻击仍几乎不可行。这一结果不适用于其他基于格的后量子方案,也不质疑整个概念。
AES:Möbius Bridge 对抗 7 轮加密
第二项成果是针对 7 轮 AES-128 的攻击,命名为 Möbius Bridge。Claude 改进了此前已知的“中间相遇”攻击,根据指标不同,实现了 200 到 800 倍的加速。然而,该场景仍属纯研究性质:它需要选择明文模型,向加密器发起 2105 次查询。完整的 10 轮 AES-128 仍然无法攻破。
每项研究大约耗费 10 万美元的 API 成本。对 HAWK 的攻击搜索耗时约 60 小时,而 AES 结果的验证则花费了研究人员数百小时。这表明,AI 已能生成假设,但验证仍需人类参与。
此外,Anthropic 还报告了对韩国分组密码 LEA 的 13 轮攻击——密钥可在普通 PC 上不到一小时内恢复。完整版本使用 24 轮,因此暂无直接威胁,但这是一个令人警惕的信号。
AI 密码分析师的基准测试
为评估模型能力,团队创建了 CryptanalysisBench——包含 191 个任务,涵盖六类密码原语。Claude Mythos 5 在第一级任务中达到 85.7% 的准确率,但在无公开攻击的完整方案上,结果未超过 9%。这清晰划定了边界:AI 擅长发现已知模式,但在开辟全新攻击向量方面仍显薄弱。
我的专家评估:我们正在见证密码分析领域新工具的诞生——AI 助手能够遍历数学组合并发现隐藏规律。这并非取代专家,而是增强专家能力。然而,随着计算能力的提升和 API 成本的降低,“研究性攻击”与“实际威胁”之间的界限可能变得非常模糊。密码学界应为新现实做好准备:算法不仅由人类测试,也将由机器测试。