Die Anthropic-Google-Sicherheitspartnerschaft steht vor einer neuen Bewährungsprobe, da Claude Mythos die menschliche Kryptografieforschung überholt

Anthropic zufolge fand Claude Mythos Preview innerhalb weniger Tage zwei kryptografische Angriffe – trotz jahrelanger vorheriger menschlicher Prüfung. Die Anthropic-Google-Sicherheitspartnerschaft steht nun vor einer schwierigeren Frage als der Entdeckung von Software-Schwachstellen. Können Verteidiger maschinell erzeugte Forschung validieren und bewältigen, bevor ähnliche Fähigkeiten Angreifern zur Verfügung stehen?

Die Ergebnisse bedeuten nicht, dass Claude die Verschlüsselung von Online-Banking, privaten Nachrichten oder Unternehmensdaten gebrochen hat. Ein Angriff zielt auf HAWK, einen noch nicht eingesetzten Vorschlag für digitale Signaturen, der sich in einer bundesbehördlichen Prüfung befindet. Der andere verbessert einen Angriff auf AES-128 mit sieben Runden, eine bewusst geschwächte Forschungsvariante der in der Praxis verwendeten Chiffre mit zehn Runden.

Dieser Unterschied ist wichtig, doch er hebt die zentrale Umkehrung nicht auf. Kryptanalyse war lange von einer kleinen Gemeinschaft von Spezialisten abhängig, die mathematische Intuition mit Monaten oder Jahren der Prüfung verbanden. Mythos soll innerhalb von 60 Stunden einen ernstzunehmenden HAWK-Angriff entwickelt und die Forschung zu reduziertem AES binnen einer Woche verbessert haben.

Google kommt über Project Glasswing ins Spiel, Anthropics eingeschränkte Sicherheitskooperation mit großen Technologie- und Infrastrukturorganisationen. Das Programm gewährt geprüften Partnern Zugang zu fortgeschrittenen Claude-Fähigkeiten für die defensive Forschung. Die jüngsten Erkenntnisse erhöhen für alle Beteiligten den Einsatz, weil kryptografische Schwächen ein anderes Offenlegungsproblem darstellen als gewöhnliche Softwarefehler.

Claude Mythos fand zwei unterschiedliche Arten von Schwächen

Die wichtige Veränderung besteht nicht darin, dass KI Kryptografie erklären kann. Sie besteht darin, dass ein KI-System Berichten zufolge zur Entwicklung neuer, überprüfbarer Kryptanalyse beigetragen hat.

Anthropic veröffentlichte die Erkenntnisse am 28. Juli 2026. Die Forschenden des Unternehmens erklärten, Mythos Preview habe zu Angriffen auf HAWK und eine reduzierte Version des Advanced Encryption Standard, kurz AES, beigetragen.

HAWK ist ein Post-Quanten-Verfahren für digitale Signaturen. Digitale Signaturen ermöglichen es Empfängern, zu überprüfen, wer eine Nachricht signiert hat und ob sie verändert wurde. Post-Quanten-Verfahren sollen Angriffen sowohl klassischer als auch künftiger Quantencomputer standhalten.

Das National Institute of Standards and Technology prüft HAWK im Rahmen seines Verfahrens für zusätzliche Signaturen. HAWK ist ein Kandidat und kein zugelassener Standard; Organisationen verlassen sich derzeit nicht darauf, um produktive Systeme abzusichern.

Laut Anthropic identifizierte Mythos einen nichttrivialen Automorphismus im zugrunde liegenden Gitter von HAWK. Ein Automorphismus ist eine Symmetrie, die eine mathematische Struktur unter Wahrung wichtiger Beziehungen auf sich selbst abbildet.

Diese Symmetrie verschaffte den Forschenden eine Abkürzung zur Rekonstruktion eines privaten HAWK-Schlüssels. Der Angriff verringerte die effektive Stärke des Verfahrens so weit, dass zur Aufrechterhaltung des vorgesehenen Sicherheitsniveaus deutlich größere Schlüssel erforderlich wären.

Für den kleinsten HAWK-Parametersatz wurden ursprünglich etwa 2^64 Operationen für einen Angriff erwartet. Die berichtete Methode senkt diese Schätzung auf ungefähr 2^38 Operationen. Das bleibt ein erheblicher Rechenaufwand, verändert jedoch die Sicherheitsbewertung des Kandidaten.

Die Erkenntnis stellt zudem einen zentralen Grund infrage, HAWK in Betracht zu ziehen. Größere Schlüssel könnten die Schwäche ausgleichen, doch diese Anpassung würde die Effizienzvorteile verringern, die den Vorschlag attraktiv machten.

Anthropic zufolge fand Mythos den Kern des HAWK-Angriffs nach rund 60 Stunden. Menschliche Forschende gaben gelegentlich Orientierung, überprüften die Ergebnisse und überführten die Arbeit des Modells in ein formales Resultat.

Das zweite Projekt betraf AES-128, die weit verbreitete symmetrische Chiffre zum Schutz von Daten. Symmetrische Verschlüsselung verwendet denselben geheimen Schlüssel zum Ver- und Entschlüsseln von Informationen.

AES-128 in der Praxis wendet auf jeden Datenblock zehn Transformationsrunden an. Kryptografen untersuchen auch Versionen mit reduzierter Rundenzahl, weil diese Varianten sichtbar machen, wie viel Schutz jede zusätzliche Runde bietet.

Mythos griff eine Variante mit sieben Runden an, nicht die vollständige Chiffre. Sein wichtigster Beitrag war eine mathematische Technik namens Möbius Bridge, die einen speicherintensiven Lookup aus einem bestehenden Angriff entfernte.

In Verbindung mit anderen Änderungen machte der Ansatz den besten Angriff auf AES mit sieben Runden Berichten zufolge zwischen 200- und 800-mal schneller. Er erfordert weiterhin mehr als 2^105 Chosen Plaintexts, also speziell für die Analyse ausgewählte Nachrichten.

Dieser Datenbedarf liegt außerhalb praktischer Reichweite. Das Ergebnis verbessert daher den akademischen Stand der Technik, ohne vollständiges AES-128 zu gefährden.

Anthropic zufolge verbrauchte jedes Forschungsprojekt erhebliche Modellressourcen. Wichtiger als die Summe dieser Ressourcen ist, was sie ermöglichten: eine ausdauernde Erkundung zahlreicher möglicher mathematischer Wege ohne menschliche Ermüdung.

Es handelt sich um zwei unterschiedliche Ergebnisse. Die HAWK-Arbeit verändert die Bewertung eines aktiven Standardisierungskandidaten. Die AES-Arbeit bringt die Analyse eines geschwächten Forschungsziels voran, während die in der Praxis verwendete Verschlüsselung intakt bleibt.

Zusammen erzeugen sie die zentrale Spannung dieses Artikels. Claude hat das Internet nicht geknackt, aber es hat ernsthafte kryptografische Forschung Berichten zufolge in einen Workflow mit Maschinentempo komprimiert.

Warum die Anthropic-Google-Partnerschaft jetzt wichtiger wird

Kryptografische Forschung macht Project Glasswing aus einem Programm zur Softwareverteidigung zu einem frühen Governance-Test für wissenschaftliche Entdeckungen mit Maschinengeschwindigkeit.

Anthropic stellte Claude Mythos Preview und Project Glasswing im April 2026 vor. Die Initiative brachte Organisationen wie Google, Apple, Microsoft, Cisco, CrowdStrike, Amazon Web Services, NVIDIA und die Linux Foundation zusammen.

Die Partnerschaft sollte schwerwiegende Schwachstellen finden und beheben, bevor breit verfügbare KI-Systeme Angreifern vergleichbare Fähigkeiten verschafften. Anthropic beschränkte den Zugang zu Mythos zunächst, weil das Modell Berichten zufolge mit wenig Anleitung Software-Schwächen entdecken und ausnutzen konnte.

Die frühere Cybersicherheitsbewertung des Unternehmens erklärte, Mythos könne große Codebasen untersuchen, bislang unbekannte Fehler identifizieren und funktionierende Exploits entwickeln. Sie berichtete zudem über Schwächen in Implementierungen kryptografischer Protokolle und Bibliotheken.

Eine fehlerhafte Implementierung zu finden, unterscheidet sich von einem Angriff auf die zugrunde liegende Mathematik. Ein Softwarefehler betrifft gewöhnlich bestimmte Versionen eines Programms. Maintainer können den Code patchen, ein Update verteilen und die Übernahme verfolgen.

Eine Schwäche in einem kryptografischen Design hat einen größeren Wirkungsradius. Wenn Organisationen das Design breit einsetzen, kann sein Austausch Änderungen an Software, Hardware, Protokollen, Zertifikaten, archivierten Daten und Compliance-Systemen erfordern.

HAWK wird nicht eingesetzt, was dies zur günstigen Variante der Geschichte macht. Die Schwäche trat während der Bewertung zutage, bevor der Vorschlag in Infrastruktur verankert wurde.

Genau das soll ein offener Standardisierungsprozess erreichen. Kandidaten werden einer anhaltenden öffentlichen Prüfung unterzogen, damit schwache Designs vor ihrer Übernahme verändert oder verworfen werden können.

Ellen Boehm, Senior Vice President für Strategie und KI-Innovation bei Keyfactor, sagte CyberScoop, die Erkenntnis zeige, dass der Bewertungsprozess funktioniere. Ihre Einschätzung ordnet Mythos in das bestehende Prüfsystem ein, statt es als Ersatz für dieses System zu betrachten.

Die Beziehung zwischen Anthropic und Google ist relevant, weil Google Software, Browser, Cloud-Dienste, Identitätssysteme und Infrastruktur betreibt, die von Kryptografie abhängen. Das Unternehmen beschäftigt zudem Forschende, die Sicherheitsprotokolle entwickeln und analysieren.

Googles Beteiligung bedeutet nicht, dass seine Forschenden die HAWK- und AES-Erkenntnisse erarbeitet oder unabhängig bestätigt haben. Öffentliche Informationen belegen lediglich, dass Google an Project Glasswing teilnimmt und innerhalb dieses defensiven Rahmens Zugang erhalten hat.

Dennoch steht Google für die Art von Organisation, die reagieren muss, falls automatisierte Kryptanalyse skalierbar wird. Das Unternehmen betreibt genügend Infrastruktur, um sowohl die defensive Chance als auch den Migrationsaufwand zu verstehen.

Der Druck beschränkt sich nicht auf Google. Standardisierungsgremien müssen entscheiden, wie sie KI-gestützte Einreichungen annehmen, reproduzieren und dokumentieren. Anbieter müssen nachverfolgen, wo Algorithmen in ihren Produkten eingesetzt werden. Sicherheitsteams müssen sich auf mehr Erkenntnisse vorbereiten, als menschliche Prüfer rasch verarbeiten können.

Die Anthropic-Google-Partnerschaft liefert daher ein frühes Modell für kontrollierten Zugang. Sie verbindet Modellentwickler mit Organisationen, die Erkenntnisse validieren und Reparaturen koordinieren können.

Dieser Ansatz konzentriert jedoch auch Informationen und Fähigkeiten bei einer kleinen Gruppe. Organisationen außerhalb der Partnerschaft müssen darauf vertrauen, dass Teilnehmende relevante Ergebnisse schnell, korrekt und fair offenlegen.

Kryptografische Forschung macht diese Sorge dringlicher. Ein Softwareanbieter kann normalerweise einen privaten Fehlerbericht erhalten und einen Patch herausgeben. Eine neu entdeckte mathematische Schwäche kann hingegen gleichzeitig konkurrierende Anbieter, Regierungen, Forschende und Standardisierungsprozesse betreffen.

Die Herausforderung besteht nicht mehr nur darin, Schwächen vor Angreifern zu finden. Es gilt, eine Prüfpipeline aufzubauen, die Schritt halten kann, ohne einem privaten Konsortium übermäßigen Einfluss auf öffentliche Sicherheitsentscheidungen zu geben.

Der eigentliche Fortschritt ist Forschungskompression

Mythos hat menschliche Kryptografen nicht ersetzt. Es hat verändert, wie viel explorative Arbeit ein kleines menschliches Team in einem festen Zeitraum versuchen kann.

Kryptanalyse verbindet Theorie, Experimente, Implementierung und wiederholtes Scheitern. Forschende bilden Hypothesen, testen kleinere Fälle, schreiben Code, untersuchen Ergebnisse, überarbeiten Annahmen und entscheiden, welcher Weg weitere Aufmerksamkeit verdient.

Sprachmodelle können inzwischen über diesen gesamten Kreislauf hinweg mitwirken. Sie können Spezifikationen lesen, Gleichungen herleiten, Experimente implementieren, mathematische Werkzeuge aufrufen, Ergebnisse vergleichen und nützliche Zwischenergebnisse festhalten.

Diese Bandbreite ist wichtiger als jede einzelne Antwort. Herkömmliche Automatisierung funktioniert gut, wenn Forschende das genaue Suchverfahren bereits kennen. Frontier-Modelle können unterschiedliche Verfahren vorschlagen und testen und zugleich auf unerwartete Hinweise reagieren.

Im HAWK-Fall begann Mythos Berichten zufolge mit der Identifizierung einer strukturellen Symmetrie im Gitter des Verfahrens. Ein menschlicher Forscher half anschließend dabei, die Untersuchung zu lenken und zu bewerten, ob die Beobachtung einen realen Angriff stützte.

Dieser Workflow erschwert einfache Aussagen über Autonomie. Das Modell lieferte eine Schlüsselidee und führte einen Großteil der Analyse durch, doch Menschen wählten das Forschungsziel, konfigurierten die Umgebung, überprüften Ergebnisse und bereiteten das Resultat vor.

„Autonom“ sollte daher Teile des Prozesses beschreiben, nicht das gesamte wissenschaftliche Projekt. Mythos konnte die technische Erkundung ohne ständige Eingaben fortsetzen. Es wählte nicht selbstständig das gesellschaftliche Ziel oder den Veröffentlichungsmaßstab.

Das Projekt zu AES mit reduzierter Rundenzahl zeigt eine andere Form von Nutzen. Das Ziel war bereits umfangreich menschlich analysiert worden, und das Modell legte keinen praktischen Angriff offen. Es fand einen effizienteren Weg durch einen stark eingeschränkten theoretischen Angriff.

Die berichtete Beschleunigung ergab sich teilweise aus der Eliminierung einer Lookup-Tabelle mit 256 Einträgen. Das beseitigte nicht den enormen Datenbedarf des Angriffs, verbesserte jedoch dessen Zeit- und Speichereigenschaften.

Dieser Unterschied zeigt, warum KI-gestützte Forschung Fortschritte machen kann, bevor Modelle universell zuverlässig werden. Ein möglicher Angriff lässt sich häufig anhand von Gleichungen, ausführbarem Code oder einem formalen Sicherheitsexperiment überprüfen.

Die Kryptanalyse bietet ungewöhnlich eindeutiges Feedback. Entweder stellt eine vorgeschlagene Methode zur Schlüsselwiedergewinnung den Schlüssel unter den genannten Bedingungen wieder her, oder sie tut es nicht. Forschende können viele halluzinierte Ansätze verwerfen, ohne dem Modelltext vertrauen zu müssen.

Das neu veröffentlichte CryptanalysisBench liefert umfassendere Belege für diesen Fähigkeitswandel. Die Autoren bewerteten 191 Aufgaben aus sechs Familien kryptografischer Primitive.

Fünf Frontier-Modelle lösten zwischen 65 und 86 Prozent der Aufgaben zu Verfahren mit bekannten praktischen Angriffen. Claude Mythos 5 erzielte 42 Erfolge bei 49 Tier-1-Aufgaben – das höchste berichtete Ergebnis.

Der Benchmark umfasste auch schwierigere Verfahren ohne bekannte praktische Brüche. Mythos 5 brach 61 Verfahren, wenn vollständige und skalierte Varianten gezählt wurden, gegenüber 37 bei Claude Opus 4.8.

Diese Zahlen zeigen nicht, dass Modelle moderne, produktiv eingesetzte Kryptografie überwinden können. Die anspruchsvollste Stufe bleibt weitgehend ungelöst, und viele Benchmark-Erfolge betreffen geschwächte Konfigurationen oder Verfahren mit bekannten Schwachstellen.

Die Ergebnisse zeigen jedoch, dass Modelle sich in technischen Forschungsumgebungen zurechtfinden, Angriffe implementieren und mitunter zuvor nicht berichtete Designprobleme entdecken können. Das ist eine höhere Hürde als die Zusammenfassung bestehender Facharbeiten.

Auch der Vergleich mit Menschen erfordert Vorsicht. Ein 60-stündiger Modelllauf ist nicht mit einer Kryptografin oder einem Kryptografen gleichzusetzen, die oder der 60 Stunden arbeitet. Das System kann große Mengen Rechenleistung, parallele Experimente und umfangreiches, während des Trainings kodiertes Vorwissen einsetzen.

Der aussagekräftige Vergleich betrifft die verstrichene Forschungszeit und die Teamleistung. Eine kleine Gruppe erhielt Zugang zu weit mehr explorativer Arbeit, als sie in derselben Woche manuell hätte leisten können.

Das ist Forschungskompression. Das Modell verwandelt Rechenleistung in zusätzliche Versuche, während Menschen entscheiden, welchen Versuchen Glauben zu schenken ist.

Dieses Verhältnis setzt Labore unter Druck, ihre Forschungsabläufe neu zu gestalten. Expertise verlagert sich auf die Auswahl von Zielen, den Aufbau von Evaluationen, das Erkennen subtiler Modellfehler und die Überführung vorläufiger Ergebnisse in belastbare Behauptungen.

Menschliches Urteilsvermögen bleibt unverzichtbar, kommt jedoch später im Kreislauf zum Einsatz. Forschende verbringen weniger Zeit damit, jeden Kandidaten zu erzeugen, und mehr Zeit damit, einen viel größeren Strom von Kandidaten zu validieren.

Die Ergebnisse brechen keine produktiv eingesetzte Verschlüsselung

Der stärkste Grund zur Vorsicht ist zugleich der einfachste: Keiner der veröffentlichten Angriffe kompromittiert ein kryptografisches System, das Menschen heute nutzen.

HAWK bleibt ein Vorschlag. Seine Entwickler können die Parameter überarbeiten, auf die Analyse reagieren oder die betroffene Konfiguration zurückziehen, ohne Nutzer zur Migration bereits eingesetzter Systeme zu zwingen.

Die HAWK specification beschreibt ein kompaktes Signatursystem auf Basis von Gitterannahmen. Diese Annahmen mussten schon immer vor einer Standardisierung öffentlich geprüft werden.

Das Mythos-Ergebnis trägt zu dieser Prüfung bei. Es bedeutet nicht, dass jede gitterbasierte Signatur dieselbe Schwäche aufweist. Der Angriff hängt von der besonderen mathematischen Struktur von HAWK ab.

Er entkräftet auch nicht die abgeschlossenen Post-Quantum-Standards des NIST. HAWK ist Teil eines separaten Prozesses, in dem zusätzliche Optionen für digitale Signaturen untersucht werden.

Das AES-Ergebnis erfordert eine noch stärkere Einordnung. Seven-round AES-128 ist eine Forschungsvariante, die bewusst schwächer als die eingesetzte Zehn-Runden-Form gestaltet wurde.

Angriffe auf weniger Runden helfen Kryptografinnen und Kryptografen, die Sicherheitsreserve einer Chiffre zu messen. Fortschritte gegen sieben Runden können mathematisch wertvoll sein, ohne einen Weg durch alle zehn Runden zu belegen.

Der von Mythos unterstützte Angriff setzt zudem ein außergewöhnliches Volumen gewählter Klartexte voraus. In einem Chosen-Plaintext-Szenario kann der Angreifer Nachrichten auswählen und ihre verschlüsselten Ausgaben beobachten.

Reale Systeme beschränken den Zugriff, rotieren Schlüssel, begrenzen Datenmengen und ergänzen das zugrunde liegende Chiffreverfahren durch Protokolle. Diese Kontrollen machen die veröffentlichten theoretischen Bedingungen noch weniger praxisnah.

Das Ergebnis als „AES-Bruch“ zu bezeichnen, würde Leser daher in die Irre führen. Es ist eine Verbesserung gegenüber AES mit reduzierter Rundenzahl, keine Kompromittierung von AES-128 in der eingesetzten Form.

Dieselbe Vorsicht gilt für Behauptungen, KI habe alle menschlichen Kryptografinnen und Kryptografen übertroffen. Das Modell arbeitete innerhalb eines von Menschen entworfenen Gerüsts und griff auf Jahrzehnte veröffentlichter Forschung zurück, die in seiner Trainingsumgebung verankert war.

Forschende haben öffentlich nicht dargelegt, wie häufig Mythos falschen Spuren folgte, wie viele Läufe scheiterten oder wie sich die Leistung bei einem festen Rechenbudget verändert. Erfolgsgeschichten zeigen Fähigkeiten, liefern jedoch kein vollständiges Maß für Produktivität.

Auch die Reproduzierbarkeit stellt ein Problem dar. Unabhängige Fachleute benötigen genügend Details, um Mathematik und Code zu überprüfen. Modelltranskripte können helfen, doch lange Agentenprotokolle lassen sich möglicherweise schwerer prüfen als eine herkömmliche Herleitung.

Öffentliche Skepsis konzentriert sich auf das Ausmaß der fachlichen Aufsicht. Kritiker argumentieren, dass außergewöhnliche kryptografische Behauptungen von etablierten Experten geprüft werden sollten, bevor sie breit werblich eingeordnet werden.

Diese Kritik sollte nicht als Widerstand gegen Automatisierung abgetan werden. Kryptografische Fehler können die Peer Review überstehen, und ein plausibler Angriff kann eine falsche Annahme über den Angreifer oder das Sicherheitsmodell verbergen.

Externe Bestätigung stärkt die Argumentation. Berichten zufolge erkannten die Entwickler von HAWK den Kern des Angriffs an, während unabhängige Kryptografinnen und Kryptografen das Ergebnis zu AES mit reduzierter Rundenzahl prüften.

Formale Veröffentlichung und fortgesetzte Peer Review bleiben notwendig. Eine beeindruckende Modellspur ist ein Beleg für einen Forschungsprozess, kein Ersatz für einen vollständigen Beweis.

Die Benchmark-Evidenz offenbart auch klare Grenzen. Selbst Mythos scheiterte bei einigen Verfahren mit bekannten Angriffen, und die schwierigsten produktionsorientierten Aufgaben bleiben offen.

Modelle können ihr Budget darauf verwenden, ein korrektes Konzept zu implementieren, das falsche Sicherheitsmodell anvisieren oder Schwächen in einem Test-Harness ausnutzen. Das sind bekannte Agentenfehler mit ungewöhnlich hohen Folgen.

Eine Sicherheitsorganisation sollte KI-generierte Kryptanalyse daher als nicht vertrauenswürdige Forschung behandeln, bis Experten sie reproduziert haben. Diese Politik nutzt den defensiven Wert, ohne Anbieterbehauptungen in operative Tatsachen zu verwandeln.

Kryptanalyse mit Maschinengeschwindigkeit verändert den Engpass der Verteidiger

Schnellere Entdeckung hilft Verteidigern nur, wenn Verifizierung, Offenlegung und Migration mit vergleichbarer Geschwindigkeit vorankommen.

Die Software-Sicherheit steht bereits vor diesem Ungleichgewicht. Automatisierte Werkzeuge können mehr potenzielle Befunde erzeugen, als Maintainer prüfen können. Mythos überträgt denselben Druck auf mathematisch komplexe Systeme.

Der erste Engpass ist die Validierung. Ein Modell kann viele Hypothesen schnell untersuchen, doch qualifizierte Kryptografinnen und Kryptografen bleiben rar. Jeder ernsthafte Anspruch kann eine sorgfältige Prüfung von Beweisen, Code, Parameterannahmen und Bedrohungsmodellen erfordern.

Der zweite Engpass ist die Offenlegung. Der noch nicht eingesetzte Status von HAWK vereinfachte die Koordination, doch künftige Befunde könnten weit verbreitete Primitive betreffen. Eine zu frühe Veröffentlichung könnte Systeme offenlegen, bevor Anbieter Gegenmaßnahmen vorbereiten.

Zu langes Warten schafft ebenfalls Risiken. Eine kleine Gruppe von Unternehmen oder Regierungen könnte Wissen besitzen, das alle betrifft, während externe Organisationen ihre Gefährdung weiterhin nicht bewerten können.

Der dritte Engpass ist das kryptografische Inventar. Viele Unternehmen wissen nicht, von welchen Algorithmen, Schlüsselgrößen, Zertifikaten, Bibliotheken oder eingebetteten Geräten sie abhängig sind.

Eine neu entdeckte Schwäche lässt sich ohne diese Übersicht nur schwer handhaben. Teams können Migrationen nicht priorisieren, wenn sie nicht jeden betroffenen Einsatzort finden können.

Hier wird die Zusammenarbeit von Anthropic und Google operativ bedeutsam. Google und andere Glasswing-Partner betreiben Systeme, die groß genug sind, um zu testen, ob maschinell generierte Befunde in reale Behebungsprogramme einfließen können.

Die Partnerschaft kann dabei helfen, Prüfmethoden, Evidenzstandards und Offenlegungsverfahren zu entwickeln. Sie kann auch zeigen, ob große Organisationen Befunde verarbeiten können, ohne Maintainer zu überlasten.

Zugriffskontrolle löst jedoch nicht das zugrunde liegende Verbreitungsproblem. Vergleichbare kryptanalytische Fähigkeiten werden nicht auf unbestimmte Zeit exklusiv einem Modell oder einer Partnerschaft vorbehalten bleiben.

CryptanalysisBench bewertete geschlossene Systeme und Open-Weight-Systeme. Das offene Modell GLM-5.2 lag hinter Mythos, löste aber dennoch 32 von 49 Tier-1-Aufgaben.

Diese Lücke ist relevant, doch die übergeordnete Entwicklung ist wichtiger. Mehrere Modellfamilien können bereits sinnvolle Teile eines Angriffs-Workflows ausführen.

Der offensive Vorteil hängt davon ab, was als Nächstes geschieht. Wenn Verteidiger fortgeschrittene Systeme einsetzen, um Kandidaten vor der Bereitstellung zu prüfen, kann KI Standards stärken. Wenn Angreifer leistungsfähige Modelle erhalten, bevor sich die Migration verbessert, könnte die Entdeckung die Behebung überholen.

Kryptografie macht verzögerte Abhilfe besonders gefährlich. Der Austausch einer Browser-Komponente kann Wochen dauern. Der Austausch eines Primitivs, das in Hardware und langlebigen Zertifikaten verankert ist, kann Jahre beanspruchen.

Archivierte verschlüsselte Daten schaffen eine weitere Gefährdung. Ein Angreifer kann Informationen heute sammeln und sie später entschlüsseln, falls ein künftiger Angriff den zugrunde liegenden Schutz schwächt.

Die aktuellen Befunde schaffen dieses Szenario nicht für AES. Sie unterstreichen jedoch den Wert kryptografischer Agilität, also der Fähigkeit, Algorithmen zu ersetzen, ohne ein ganzes System neu aufzubauen.

Standardisierungsorganisationen werden außerdem klarere Regeln für KI-gestützte Einreichungen benötigen. Forschende sollten Modellversionen, Gerüste, Rechenbudgets, menschliche Eingriffe, fehlgeschlagene Läufe und Verifizierungsmethoden offenlegen.

Diese Angaben ermöglichen es Prüfern, ein wissenschaftliches Ergebnis von einer selektiven Demonstration zu unterscheiden. Sie erleichtern auch die Messung von Fähigkeitstrends über verschiedene Modelle hinweg.

Die nützlichste kurzfristige Reaktion ist weder Panik noch eine pauschale Beschränkung. Sie besteht darin, die menschlichen und institutionellen Kapazitäten rund um automatisierte Entdeckung auszubauen.

Mehr Validatoren, reproduzierbare Werkzeuge, klarere Offenlegungskanäle und vollständige kryptografische Inventare werden darüber entscheiden, ob Forschung mit Maschinengeschwindigkeit zuerst den Verteidigern zugutekommt.

Was nach den Kryptografie-Ergebnissen von Claude Mythos zu beobachten ist

Drei Signale werden zeigen, ob diese Episode zu einem dauerhaften Forschungswandel wird oder eine außergewöhnliche Demonstration bleibt.

Das erste Signal ist der Umgang mit HAWK im NIST-Prozess. Prüfer müssen feststellen, ob überarbeitete Parameter ausreichend Effizienz und Vertrauen bewahren, damit der Kandidat fortgeführt werden kann.

Eine umfassende Neugestaltung oder Entfernung würde das Argument stärken, dass Mythos eine reale Standardisierungsentscheidung verändert hat. Eine begrenzte Parameteranpassung würde auf einen nützlichen, aber stärker eingegrenzten Befund hindeuten.

Beide Ergebnisse würden dennoch Tests vor dem Einsatz bestätigen. Die zentrale Frage lautet, ob KI-gestützte Analyse zu einem normalen Bestandteil der Bewertung künftiger Kandidaten wird.

Das zweite Signal ist die unabhängige Reproduktion der Angriffe auf HAWK und AES mit reduzierter Rundenzahl. Externe Kryptografinnen und Kryptografen müssen die Annahmen, Herleitungen, Implementierung und berichtete Leistung überprüfen.

Eine klare Reproduktion würde Anthropics Behauptung stärken, Mythos habe zu echter Forschung beigetragen. Wesentliche Korrekturen würden das Ergebnis einengen und Schwächen im aktuellen Validierungsprozess offenlegen.

Das dritte Signal ist die nächste Generation kontrollierter Benchmarks. Forschende sollten sich auf Verfahren mit voller Stärke, unveröffentlichte Testprobleme und Aufgaben konzentrieren, die gegen Kontamination durch Trainingsdaten geschützt sind.

CryptanalysisBench trennt bereits bekannte Angriffe von schwierigeren Verfahren und prüft Spuren auf Anzeichen von Memorierung. Seine nicht gesättigten Stufen bieten einen nützlichen Ausgangspunkt.

Fortschritte auf diesen Stufen wären aussagekräftiger als die Wiederholung gelöster Angriffe. Ein Modell, das unter festen Budgets konsistent neue Schwachstellen findet, würde eine stärkere Aussage über automatisierte wissenschaftliche Forschung stützen.

Die Sicherheitspartnerschaft von Anthropic und Google sollte außerdem offenlegen, wie teilnehmende Organisationen mit kryptografischen Befunden umgehen. Nützliche Belege wären Validierungszeiträume, Offenlegungsergebnisse und der Anteil der Modellberichte, die von Experten zurückgewiesen werden.

Leser sollten beiden bequemen Extremen widerstehen. Claude Mythos hat die alltägliche Verschlüsselung nicht gebrochen, doch die Arbeit abzutun, weil ihre Ziele nicht ausgerollt waren oder abgeschwächt wurden, würde den Zweck kryptografischer Forschung verfehlen.

Sicherheitsreserven werden untersucht, bevor sie verschwinden. Kandidaten für Standards werden angegriffen, bevor Nutzer von ihnen abhängen. Die jüngsten Ergebnisse legen nahe, dass KI zu beiden Aktivitäten sinnvoll beitragen kann.

Entwickler und Unternehmenskäufer sollten fragen, ob ihre Organisationen jeden kritischen Algorithmus identifizieren können, den sie einsetzen. Sie sollten zudem fragen, wie schnell sich diese Abhängigkeiten ändern lassen, wenn ein Standard an Vertrauen verliert.

Forscher sollten beobachten, ob unabhängige Teams die Arbeit reproduzieren und ob NIST den Status von HAWK ändert. Diese Ergebnisse werden mehr aussagen als jede dramatische Schlagzeile.

Die glaubwürdigste Schlussfolgerung ist enger gefasst und folgenreicher. Mythos hat Berichten zufolge jahrelang angesammelte Expertise in Tage zielgerichteter Erkundung verdichtet, während Menschen weiterhin für die Verifizierung verantwortlich blieben.

Diese Kombination setzt jede Sicherheitsinstitution unter Druck, die auf einem langsameren Forschungszyklus aufgebaut ist. Der nächste Test besteht darin, ob Verteidiger ihre Prozesse neu gestalten können, bevor Entdeckungen in Maschinengeschwindigkeit breit verfügbar werden.