Anthropic Claude descubre nuevos ataques contra HAWK y AES de rondas reducidas

Anthropic Claude ha producido dos ataques criptográficos notables, aunque ninguno amenaza hoy al software ni a los datos cifrados en producción. Claude Mythos Preview debilitó el esquema de firma propuesto HAWK y aceleró un ataque contra AES-128 de siete rondas.

La historia inmediata es tranquilizadora. HAWK sigue siendo candidato en un proceso de revisión pública, mientras que AES-128 estándar utiliza diez rondas en lugar de siete. Anthropic afirma explícitamente que ningún software en producción necesita cambios debido a ninguno de los dos resultados.

El conflicto más profundo se refiere a quién realiza el criptoanálisis avanzado y a qué velocidad el campo puede validar el trabajo resultante. Anthropic afirma que su sistema multiagente alcanzó uno de los resultados tras unas 60 horas y generó el otro de forma mayoritariamente autónoma en una semana. Los investigadores humanos dedicaron después mucho más tiempo a comprobar el trabajo sobre AES.

Ese desequilibrio cambia el significado del anuncio. Lo importante no es que Anthropic Claude haya roto el cifrado de internet. No lo ha hecho. Lo relevante es que un sistema de IA generó ataques matemáticos creíbles contra esquemas que ya habían sido examinados por investigadores especialistas.

Lo que Anthropic Claude encontró realmente

Los dos resultados impulsan la investigación criptográfica, pero ninguno constituye un ataque práctico contra la seguridad actual de internet.

Anthropic divulgó el trabajo el 28 de julio de 2026 a través de su Frontier Red Team. La empresa publicó artículos técnicos independientes sobre la recuperación de claves de HAWK y un ataque mejorado contra AES-128 de siete rondas.

Los hallazgos criptográficos difieren de las vulnerabilidades de software que Anthropic atribuyó previamente a Mythos Preview. Esos hallazgos anteriores a menudo implicaban errores de implementación, en los que el software utilizaba incorrectamente un algoritmo sólido.

Esta investigación se dirige a los propios diseños matemáticos. Esa distinción importa porque la auditoría de implementaciones y el criptoanálisis exigen formas de razonamiento diferentes.

Un error de implementación puede implicar un acceso inseguro a memoria, una comprobación incorrecta de límites o una ruta de autenticación defectuosa. A menudo, los investigadores pueden reproducir esos errores ejecutando código y observando un fallo o una acción no autorizada.

El criptoanálisis pregunta si un algoritmo ofrece la seguridad que sus diseñadores esperan bajo un modelo de amenaza matemático definido. Un ataque propuesto debe ser novedoso, internamente coherente y menos costoso que la mejor alternativa conocida.

El primer resultado se refiere a HAWK, un candidato de firma digital poscuántica. Las firmas digitales permiten a un destinatario verificar el origen de un mensaje y detectar modificaciones no autorizadas.

HAWK forma parte de un proceso de NIST para evaluar firmas adicionales diseñadas para resistir ataques de futuros ordenadores cuánticos. No es un estándar de internet desplegado.

Según Anthropic, HAWK había superado dos rondas de revisión por expertos durante dos años. Mythos Preview identificó entonces una simetría matemática no explotada dentro de la estructura de retículas que sustenta el esquema.

El sistema utilizó esa simetría para crear un método más rápido de recuperación de claves. La recuperación de claves busca reconstruir una clave privada de firma a partir de información pública.

Para los parámetros de desafío pequeños de HAWK-256, Anthropic afirma que el coste esperado del ataque cayó de 2^64 operaciones a 2^38. HAWK-256 se incluyó deliberadamente como objetivo de criptoanálisis, no como un conjunto de parámetros recomendado para producción.

El ataque sigue siendo exponencial, lo que significa que su coste continúa creciendo rápidamente con el tamaño de la clave. Anthropic también afirma que los parámetros HAWK más grandes siguen siendo impracticables de atacar.

Sin embargo, preservar el nivel de seguridad previsto requeriría claves considerablemente más grandes. Ese cambio erosionaría la compacidad y eficiencia que hacían atractivo a HAWK.

El segundo resultado se aplica a una forma deliberadamente debilitada de AES-128. AES-128 estándar transforma datos mediante diez rondas repetidas, mientras que el objetivo de investigación utiliza solo siete.

Los académicos estudian cifrados de rondas reducidas para medir sus márgenes de seguridad y desarrollar técnicas que puedan revelar debilidades estructurales más profundas. Romper una variante de investigación de este tipo no significa que el cifrado completo esté roto.

Mythos Preview mejoró un ataque meet-in-the-middle, que reduce el cálculo al guardar y cotejar resultados intermedios. Diseñó una técnica de huellas digitales que Anthropic denomina Möbius Bridge.

La técnica elimina una conjetura que implica 256 valores posibles. Tras tener en cuenta su coste computacional adicional, Anthropic estima una mejora de velocidad de entre 200 y 800 veces.

Eso suena dramático, pero el escenario subyacente sigue siendo impracticable. El ataque supone acceso a 2^105 textos claros elegidos, que son entradas seleccionadas por un atacante y cifradas con una misma clave desconocida.

Anthropic estima además que implementar incluso este ataque de rondas reducidas requeriría recursos muy por encima de los disponibles para atacantes convencionales. AES-128 completo de diez rondas no se ve afectado.

Estas limitaciones deberían aparecer junto a cualquier relato sobre el titular. Calificar los hallazgos como una ruptura de AES o un fallo del cifrado de internet tergiversaría la investigación.

Por qué el resultado de HAWK presiona la revisión criptográfica

El ataque contra HAWK presiona la velocidad y la cobertura de la revisión humana, no a los sistemas que ya utilizan estándares poscuánticos.

NIST empezó a buscar esquemas de firma poscuántica adicionales para ampliar las opciones de diseño disponibles. Las competiciones públicas permiten que investigadores independientes examinen propuestas, cuestionen sus supuestos e identifiquen parámetros inseguros antes de la estandarización.

HAWK llegó a la tercera ronda de esa revisión de firmas. Su diseño prioriza firmas compactas, operaciones rápidas y requisitos modestos de memoria, incluso en hardware con recursos limitados.

Su seguridad directa frente a recuperación de claves depende de una estructura matemática llamada problema de isomorfismo de retículas. El problema pregunta si dos retículas están relacionadas mediante una transformación que preserva su estructura esencial.

Investigaciones previas establecieron que encontrar un automorfismo útil, una simetría que proyecta una retícula sobre sí misma, podría sustentar un ataque. La cuestión sin resolver era si la construcción particular de HAWK exponía uno accesible.

Anthropic afirma que Mythos Preview encontró esa simetría y construyó una cadena de verificación integral. El ataque de enumeración resultante busca posibles claves de forma más eficiente que las técnicas anteriores.

El proceso utilizó varios trabajadores de Claude dentro de un entorno agéntico. Un entorno agéntico combina prompts, herramientas, registros compartidos y coordinación de tareas para que los modelos puedan perseguir un objetivo de investigación prolongado.

Los trabajadores podían consultar investigación publicada y utilizar sistemas computacionales como Python y Sage. Un operador humano aportó gestión del proyecto y orientación no técnica ocasional.

El relato de Anthropic ofrece un detalle importante sobre la investigación multiagente. Dos trabajadores examinaron la idea crítica, pero uno la descartó prematuramente. El segundo continuó y encontró una vía viable.

Los trabajadores intercambiaron mensajes hasta que ambos aceptaron el ataque. Esto se parece más a una investigación científica en paralelo que a un único chatbot produciendo una respuesta.

Encontrar y verificar el ataque contra HAWK llevó unas 60 horas, según Anthropic. El operador humano tenía experiencia en informática teórica, pero carecía de conocimientos especializados en criptografía de retículas.

La empresa compartió el ataque con los autores de HAWK en junio. Después coordinó la divulgación pública con la lista de correo relevante de NIST.

Ese proceso se acerca más a una revisión criptográfica responsable que a la divulgación oportunista de vulnerabilidades. HAWK se presentó públicamente para que los investigadores pudieran buscar debilidades antes de su despliegue.

Por tanto, el resultado demuestra que el proceso de NIST funciona según lo previsto. Un candidato recibió escrutinio adversarial, surgió una debilidad y los evaluadores obtuvieron nuevas pruebas antes de aprobar un estándar.

La historia ofrece una comparación útil. SIKE, otro candidato poscuántico, sobrevivió a una intensa atención antes de que investigadores encontraran un devastador ataque clásico en 2022.

Ese ataque podía recuperar una clave secreta en un portátil convencional. El fallo de SIKE fue mucho más grave que el nuevo resultado de HAWK, pero reforzó el valor de una revisión pública prolongada.

La diferencia ahora es el origen de la presión. Un sistema de IA multiagente puede explorar literatura, generar hipótesis, realizar experimentos y coordinar enfoques rivales sin descansar.

Eso no hace que sus conclusiones sean fiables por defecto. Sí aumenta el número de vías de ataque creíbles que los expertos podrían necesitar examinar.

Por ello, las organizaciones criptográficas necesitarán más que acceso a modelos. Necesitan sistemas de revisión que preserven hipótesis fallidas, reproduzcan cálculos, comparen trabajos previos y remitan hallazgos prometedores a especialistas cualificados.

El objetivo de la presión es el proceso de validación humana. Si los sistemas de IA generan ataques plausibles más rápido de lo que los expertos pueden rechazarlos o confirmarlos, las colas de revisión se convierten en una restricción de seguridad.

Esa restricción afecta a organismos de estandarización, conferencias académicas, proveedores y agencias gubernamentales. Cada grupo depende de especialistas escasos capaces de distinguir un avance genuino de un error matemático sutil.

El resultado de HAWK ofrece una verificación inusualmente sólida porque Anthropic implementó el ataque de extremo a extremo. Los investigadores pueden elegir una clave, ejecutar el método y observar si recupera esa clave.

No todos los resultados futuros permitirán pruebas tan directas. Algunas afirmaciones dependerán de razonamiento asintótico, límites de probabilidad complejos o supuestos difíciles de reproducir experimentalmente.

La IA puede ampliar la superficie de búsqueda. Las instituciones humanas deben ampliar con ella la superficie de verificación.

El ataque a AES de rondas reducidas muestra el mecanismo

El resultado de AES importa porque Claude creó una nueva optimización mediante experimentación sostenida, no porque AES-128 completo se haya vuelto inseguro.

NIST estandarizó el cifrado AES en 2001. AES-128 aplica diez rondas de sustituciones, permutaciones y operaciones dependientes de clave a cada bloque de datos.

Su larga historia lo convierte en un objetivo de investigación excepcionalmente difícil. Los criptógrafos han examinado AES con más intensidad que casi cualquier otro cifrado simétrico.

Esa madurez también explica por qué los investigadores estudian versiones con menos rondas. El análisis de rondas reducidas revela cuánta protección aporta cada ronda adicional y si nuevas técnicas se aproximan al diseño completo.

Anthropic pidió a Mythos Preview que mejorara el ataque publicado más potente contra AES-128 de siete rondas. El modelo se resistió inicialmente, alegando que el problema no ofrecía una vía sencilla.

Los investigadores cambiaron el entorno para que los agentes siguieran buscando ideas realmente novedosas. También redirigieron repetidamente a Claude hacia siete rondas cuando intentaba objetivos más fáciles.

El sistema generó varios cientos de millones de tokens durante sus primeros tres días de investigación. Anthropic afirma que finalmente produjo mil millones de tokens de salida mientras perfeccionaba el método completo.

El volumen por sí solo no demuestra inteligencia ni calidad investigadora. Sí revela una ventaja de la experimentación automatizada: el sistema puede explorar, descartar y recombinar ideas a una escala inaccesible para un solo investigador.

El Puente de Möbius resultante actúa como una huella invariante respecto a un valor que antes debía adivinarse. La invariancia significa que la huella sigue siendo útil incluso cuando ese valor específico cambia.

Los trabajos anteriores debían enumerar 256 valores y compararlos con una tabla de consulta precalculada. Eliminar ese paso reduce teóricamente el trabajo relevante por un factor de 256.

La nueva transformación también añade sobrecarga. Por ello, Anthropic informa de una mejora analítica práctica de entre 200 y 800 veces, según cómo midan los investigadores el tiempo de ejecución.

El ataque sigue siendo una técnica de encuentro en el medio. Estos métodos intercambian almacenamiento por velocidad al calcular valores desde direcciones opuestas y buscar un estado interno coincidente.

Tales ataques pueden superar a la fuerza bruta sin revelar un fallo sencillo en el cifrado. Su viabilidad depende del acceso a datos, los requisitos de memoria, la capacidad de cálculo y el número de rondas implicadas.

Aquí, el requisito de datos asumido es de 2^105 textos planos elegidos. Esa cifra está astronómicamente fuera de cualquier escenario realista de recopilación.

El objetivo también omite tres de las diez rondas de AES-128. Esas rondas adicionales aumentan enormemente la dificultad de extender la técnica al cifrado estándar.

Por tanto, el artículo de Anthropic contribuye al registro académico de ataques contra AES de rondas reducidas. No ofrece a los delincuentes un método viable para descifrar tráfico bancario, archivos almacenados o mensajes privados.

El mecanismo más importante se sitúa por encima del cifrado. Un investigador construyó la infraestructura, y después Claude propuso hipótesis de forma autónoma, las probó, leyó críticas y transmitió descubrimientos entre agentes.

El sistema no devolvió una respuesta pulida tras una sola instrucción. Funcionó como una organización de investigación comprimida en software, con múltiples intentos y soporte computacional persistente.

Este enfoque se asemeja a métodos utilizados por otros laboratorios de vanguardia. Google DeepMind y OpenAI han aplicado búsqueda asistida por modelos a problemas difíciles de matemáticas, algoritmos y ciencia.

La dirección compartida es más significativa que cualquier puntuación aislada en benchmarks. La capacidad de los modelos depende cada vez más del sistema que los rodea, incluidas las herramientas, la memoria, la verificación y los trabajadores paralelos.

El criptoanálisis se adapta bien a esta disposición porque muchas ideas pueden probarse computacionalmente. Un modelo puede buscar patrones, implementar transformaciones candidatas y compararlas con resultados conocidos.

Sin embargo, la criptografía también castiga los errores mínimos. Una condición omitida, una hipótesis de datos subestimada o un término de complejidad incorrecto pueden invalidar un artículo que, por lo demás, parece convincente.

Eso crea la disyuntiva central. La investigación automatizada amplía la oferta de descubrimientos candidatos, mientras que la validación experta sigue siendo lenta y costosa.

Los investigadores de Anthropic reconocen directamente ese desequilibrio. Mythos Preview necesitó alrededor de una semana para desarrollar el resultado sobre AES, mientras que dos investigadores dedicaron casi un mes a generar confianza en él.

También dedicaron varios cientos de horas a aprender suficiente criptografía para evaluar el método. Anthropic señala que esos investigadores no eran especialistas en criptografía.

Esa admisión refuerza la necesidad de una revisión independiente. También hace el resultado más interesante, porque el sistema aparentemente ayudó a no especialistas a entrar en un campo técnicamente exigente.

La siguiente etapa no debería eliminar a los expertos del proceso. Debería proporcionarles artefactos reproducibles, razonamiento estructurado, pruebas ejecutables y comparaciones claras con investigaciones previas.

La afirmación es impresionante, pero la verificación es el cuello de botella

Anthropic ha publicado evidencia significativa, pero la afirmación más amplia de una criptografía a nivel experto aún requiere validación independiente y repetida.

El argumento escéptico más sólido no niega los dos ataques. Cuestiona qué demuestran sobre la capacidad general de investigación.

Ambos objetivos fueron seleccionados y planteados por investigadores de Anthropic. Los agentes recibieron acceso a literatura relevante, herramientas computacionales, instrucciones repetidas y una infraestructura diseñada específicamente para ello.

Muchas sesiones no produjeron ningún descubrimiento útil. El relato publicado por Anthropic se centra en las trayectorias exitosas, lo que dificulta estimar la tasa global de éxito.

El modelo también requirió un esfuerzo computacional inusualmente grande. Mil millones de tokens generados no constituyen una carga de trabajo interactiva normal, ni siquiera para organizaciones de investigación bien financiadas.

Esa escala cambia la comparación con los humanos. La pregunta relevante no es si una respuesta de Claude superó a un criptógrafo.

Una comparación justa debe considerar el cómputo total, la preparación humana, el refinamiento de las instrucciones, los intentos fallidos, el tiempo de validación y el acceso a literatura especializada. También debe medir la novedad en problemas no vistos.

Anthropic colaboró con académicos de ETH Zurich, Tel Aviv University y TU Berlin para crear CryptanalysisBench. El benchmark empaqueta esquemas criptográficos para la evaluación estandarizada de modelos.

Los primeros resultados del benchmark sugieren que los modelos de vanguardia pueden resolver tareas criptoanalíticas conocidas y novedosas. Sin embargo, los benchmarks pueden volverse menos informativos cuando los desarrolladores optimizan directamente para ellos.

Grupos independientes deberían reproducir la implementación de HAWK, verificar el análisis de complejidad de AES y probar la misma infraestructura con esquemas intactos. Las reproducciones fallidas debilitarían la afirmación más amplia sobre capacidades.

El éxito en varios objetivos no divulgados la reforzaría. Anthropic ha mencionado resultados preliminares relacionados con LEA de rondas reducidas, Serpent-128, Salsa20, Poseidon y SHA-1.

Esas afirmaciones adicionales requieren distintos niveles de confianza. Anthropic afirma que su ataque contra LEA se ejecuta de principio a fin, lo que facilita la verificación directa.

Otras mejoras siguen siendo limitadas o preliminares. No deberían recibir el mismo peso probatorio que una demostración implementada de recuperación de claves.

El trabajo sobre AES presenta un problema de validación más difícil. Los investigadores pueden inspeccionar su derivación y sus experimentos computacionales, pero el ataque completo sigue siendo impracticable de ejecutar a escala total.

Por tanto, los expertos deben validar el razonamiento en lugar de simplemente ejecutar el ataque entero. Ese proceso puede revelar hipótesis ocultas o errores de cálculo.

Otra incertidumbre se refiere a la autoría. El modelo generó las ideas centrales, pero los humanos seleccionaron los objetivos, mantuvieron el entorno de pruebas, redirigieron búsquedas fallidas y prepararon los artículos finales.

Calificar el trabajo como totalmente autónomo borraría esas intervenciones. Calificarlo como uso ordinario de herramientas borraría la generación independiente de hipótesis y la experimentación prolongada del sistema.

«Mayormente autónomo» es la descripción más defendible. Reconoce una agencia sustancial de la máquina sin fingir que la investigación surgió sin decisiones humanas.

El entorno de divulgación también importa. Anthropic controla el acceso a Mythos Preview porque el modelo puede respaldar tanto la investigación defensiva como las operaciones ofensivas.

Ese acceso restringido dificulta la evaluación independiente. Los investigadores externos no pueden repetir fácilmente el flujo de trabajo usando el mismo modelo, configuración y presupuesto computacional.

Desde entonces, Mythos Preview ha sido sucedido por Mythos 5, que Anthropic limita a socios evaluados. El control de acceso reduce el uso indebido inmediato, pero concentra la investigación avanzada en seguridad dentro de un grupo pequeño.

Esto crea otra disyuntiva entre la seguridad y el escrutinio científico. Una publicación amplia favorece la reproducción, mientras que una publicación restringida reduce el número de actores capaces de convertir descubrimientos en armas.

Ninguna política de acceso resuelve por completo ese conflicto. Un programa defendible necesita evaluadores externos de confianza, entornos controlados de reproducción y divulgación suficiente de las instrucciones para examinar el proceso de investigación.

Anthropic dio pasos útiles al publicar artículos técnicos, código de demostración para HAWK y una reconstrucción del razonamiento de Claude sobre AES. Esos artefactos aportan más evidencia que una afirmación de marketing por sí sola.

Aun así, el razonamiento reconstruido no es un registro de auditoría perfecto. Anthropic afirma que el documento publicado amplía la cadena de pensamiento original del modelo para mejorar la legibilidad.

Las evaluaciones futuras deberían enfatizar registros ejecutables por encima de transcripciones narrativas. Los registros deberían conectar hipótesis, código, resultados experimentales y afirmaciones finales sin exponer detalles operativos peligrosos.

Los criptógrafos también necesitarán mejores sistemas de triaje. Una cola que contenga miles de artículos plausibles puede abrumar a una comunidad incluso cuando la mayoría de los envíos son erróneos.

Los críticos automatizados pueden ayudar, pero utilizar un modelo para validar otro crea riesgos de fallos correlacionados. Siguen siendo necesarios métodos formales independientes y revisión experta.

La comunidad investigadora debería evitar dos errores opuestos. No debería desestimar el trabajo porque la IA contribuyó a él, ni tratar las matemáticas generadas por modelos como correctas por defecto.

La demostración de HAWK es concreta. El artículo sobre AES es detallado. La afirmación general de que los modelos de vanguardia ya igualan a los mejores criptógrafos sigue siendo una hipótesis que requiere evidencia más amplia.

El cambio real va de la escasez de descubrimientos a la escasez de validación

Anthropic Claude cambia la economía de generar hipótesis criptográficas antes de cambiar la seguridad de los algoritmos desplegados.

Históricamente, la criptografía ha dependido de una pequeña comunidad de especialistas para diseñar esquemas y atacarlos. La revisión de alta calidad exige años de formación y atención sostenida.

Esa estructura crea una distribución desigual del escrutinio. AES atrae un análisis exhaustivo, mientras que los cifrados especializados y los estándares regionales pueden recibir mucha menos atención.

Anthropic sostiene que los sistemas de IA pueden examinar esta larga cola. Si esa afirmación se sostiene, los algoritmos desatendidos podrían recibir pruebas más profundas sin asignar un equipo humano completo a cada uno.

El valor defensivo es claro. Las organizaciones de estándares podrían realizar revisiones agénticas antes de aceptar nuevos esquemas y, después, proporcionar a los especialistas hallazgos clasificados y reproducibles.

Los equipos de producto podrían utilizar sistemas similares para comparar sus implementaciones con especificaciones formales. Eso combinaría la revisión matemática con el descubrimiento convencional de vulnerabilidades.

El riesgo es igualmente claro. El mismo flujo de trabajo puede buscar debilidades en criptosistemas desplegados que tengan valor inmediato para los atacantes.

Los fallos criptográficos difieren de los errores ordinarios de software porque su corrección puede exigir nuevos estándares, nuevas claves, actualizaciones de hardware y largos periodos de migración. Algunos datos históricos cifrados pueden seguir expuestos después.

Los hallazgos actuales no crean esa crisis. Muestran un flujo de trabajo capaz de avanzar hacia objetivos cada vez más difíciles.

La evaluación de Anthropic de abril sobre Mythos Preview ya describía un modelo capaz de descubrir y explotar vulnerabilidades sutiles de software. La empresa limitó el acceso mediante Project Glasswing porque las capacidades ofensivas y defensivas se solapan.

El criptoanálisis extiende esa preocupación más allá del código. Una implementación correcta no puede proteger a los usuarios cuando su algoritmo subyacente presenta una debilidad estructural explotable.

Eso no significa que AES con todas sus rondas sea lo siguiente. Los cifrados robustos incluyen márgenes de seguridad generosos precisamente porque los investigadores esperan ataques contra variantes simplificadas.

La respuesta correcta es la preparación, no el pánico. Las organizaciones deberían inventariar sus dependencias criptográficas y conservar la capacidad de reemplazar algoritmos sin reconstruir sistemas enteros.

Los organismos de estándares deberían añadir análisis asistido por IA a las competiciones públicas, al tiempo que documentan cómo se verifican los hallazgos de los modelos. Los proveedores deberían evitar la criptografía propietaria que carece de revisión externa sostenida.

Los investigadores también deberían tratar la capacidad de validación como infraestructura. El cómputo puede generar más resultados candidatos, pero la atención humana cualificada no puede escalar al mismo ritmo.

Las universidades podrían necesitar formación que combine criptografía clásica, comprobación automatizada de teoremas y supervisión de agentes. Los equipos de seguridad necesitarán revisores capaces de inspeccionar tanto pruebas como código generado.

Los registros de investigación cobrarán cada vez más importancia. Los equipos deben conservar los artículos, prompts, experimentos, hipótesis descartadas y decisiones de validación detrás de cada conclusión.

Una base de conocimiento con capacidad de búsqueda puede respaldar ese trabajo cuando preserva los documentos fuente y conecta las afirmaciones con la evidencia. El objetivo es la trazabilidad, no la aceptación automatizada.

Los incentivos de publicación también podrían requerir ajustes. Producir muchos ataques plausibles tiene menos valor que generar un conjunto más reducido con verificación reproducible.

Las conferencias y los grupos de estándares podrían exigir que el trabajo generado por máquinas revele los presupuestos computacionales, las intervenciones humanas, las ejecuciones fallidas y los métodos de validación. Esos detalles permitirían comparaciones más justas.

Los equipos de seguridad deben distinguir tres niveles de evidencia.

Primero, un modelo puede sugerir un concepto de ataque. Eso es una pista de investigación, no un hallazgo.

Segundo, el sistema puede proporcionar un análisis matemático y experimentos de respaldo. Eso es un resultado candidato que requiere revisión experta.

Tercero, los investigadores pueden implementar el ataque de extremo a extremo y reproducirlo de forma independiente. Eso ofrece la confirmación práctica más sólida.

El trabajo sobre HAWK se aproxima al tercer nivel. El resultado sobre AES depende más del análisis porque sus requisitos computacionales completos impiden una ejecución total.

Mantener esos niveles separados evita afirmaciones sensacionalistas. También garantiza que las contribuciones de IA realmente importantes reciban el reconocimiento adecuado.

El contexto competitivo más amplio incluye a todos los laboratorios de frontera que desarrollan modelos con razonamiento más sólido y operaciones autónomas más prolongadas. El criptoanálisis no seguirá siendo una capacidad exclusiva de Anthropic.

Los modelos abiertos podrían eventualmente reducir la brecha, mientras que los sistemas de investigación especializados podrían superar a los modelos generales en determinados ámbitos matemáticos. El acceso a capacidad de cómputo y a andamiajes de alta calidad dará forma a esa carrera.

Por tanto, la competencia probable no es Claude frente a un chatbot rival. Es entre defensores asistidos por IA y atacantes asistidos por IA, y la velocidad de verificación determinará quién se beneficia primero.

Los defensores cuentan con ventajas estructurales cuando pueden revisar los esquemas antes de su despliegue y coordinar correcciones de forma privada. Los atacantes obtienen ventaja cuando los sistemas vulnerables permanecen expuestos durante años.

Los dos resultados de Anthropic favorecen el caso defensivo. HAWK fue detectado antes de su despliegue, y el experimento con AES se dirigió a una variante académica debilitada de forma intencional.

Los futuros descubrimientos podrían no llegar en momentos tan convenientes. Esa posibilidad hace más urgentes los sistemas de divulgación responsable y la agilidad criptográfica.

Qué vigilar después de los hallazgos de Anthropic Claude

Tres señales mostrarán si esta investigación representa un cambio de capacidad duradero o un impresionante par de resultados aislados.

La primera señal es la validación técnica independiente. Criptógrafos ajenos a Anthropic deberían reproducir el ataque a HAWK y revisar de cerca las hipótesis, la complejidad y la novedad del artículo sobre AES.

La confirmación reforzaría la afirmación de que Mythos Preview produjo contribuciones legítimas a la investigación. Correcciones sustanciales acotarían el resultado y revelarían debilidades en el proceso de validación de Anthropic.

La segunda señal es el tratamiento de HAWK por parte de NIST. Los evaluadores podrían rechazar los parámetros existentes, solicitar claves más grandes, impulsar un rediseño o retirar al candidato de la consideración.

Una revisión de parámetros mostraría que el ataque modificó la propuesta sin destruir sus fundamentos. La retirada indicaría que la pérdida de eficiencia dañó la propuesta de valor de HAWK.

La tercera señal es el rendimiento en esquemas nuevos y no vistos. Anthropic planea realizar más experimentos y continuar su trabajo con CryptanalysisBench.

Avances repetidos en distintas estructuras criptográficas respaldarían una capacidad de investigación general. El éxito únicamente en objetivos con mucho andamiaje sugeriría una herramienta más limitada.

Los lectores también deberían vigilar la relación entre el tiempo de descubrimiento y el tiempo de validación. Esa métrica operativa podría importar más que las puntuaciones de los benchmarks.

Si los modelos producen hallazgos creíbles en cuestión de días, mientras que los humanos necesitan semanas para verificar cada uno, las organizaciones afrontarán un creciente retraso en las revisiones. Mejores modelos por sí solos no lo resolverán.

Un siguiente paso convincente combinaría expertos independientes, verificación formal, demostraciones ejecutables y registros completos de investigación. También informaría sobre ejecuciones fallidas y el uso total de recursos.

Para desarrolladores y compradores empresariales, este anuncio no implica una migración de emergencia. AES-128 estándar sigue intacto y HAWK no ha entrado en producción.

La acción práctica consiste en confirmar que los sistemas utilizan algoritmos aprobados de rondas completas, mantienen las bibliotecas actualizadas y documentan las dependencias criptográficas. Evite interpretar la investigación sobre rondas reducidas como evidencia de que los datos cifrados ya están expuestos.

Para los investigadores, la oportunidad es más inmediata. Los sistemas agénticos pueden explorar más ampliamente, poner a prueba más hipótesis y conservar líneas paralelas de investigación.

La responsabilidad es mantener sus afirmaciones auditables. La criptografía no puede aceptar un resultado porque un modelo capaz haya generado matemáticas persuasivas.

Anthropic Claude ha proporcionado dos objetos de investigación serios, no una emergencia de seguridad en todo Internet. Su importancia duradera depende de la replicación, las decisiones de los estándares y el rendimiento más allá de estos objetivos seleccionados.

La siguiente pregunta es práctica: ¿pueden los expertos independientes verificar estos ataques más rápido de lo que los sistemas de frontera producen el siguiente conjunto? La respuesta determinará si la IA amplía la garantía criptográfica o la desborda.