La partnership tra Amazon e Anthropic affronta una nuova prova mentre Claude individua debolezze crittografiche

I ricercatori partner di Amazon e Anthropic affermano che Claude Mythos Preview ha individuato due nuovi attacchi crittografici, nonostante avesse inizialmente sostenuto che l'obiettivo più difficile fosse quasi impossibile. I risultati riguardano HAWK e una versione di ricerca a sette round di AES-128. Nessuno dei due attacchi minaccia i sistemi di produzione, ma entrambi mettono in discussione le ipotesi sul contributo dell'AI alla ricerca matematica avanzata.

Il dettaglio più rivelatore non è stato la velocità dell'attacco né il budget di calcolo. È stata la quantità di perseveranza che il modello ha richiesto ai suoi operatori umani. Claude ha ripetutamente tentato problemi più semplici, scartato percorsi promettenti e suggerito di cambiare obiettivo. I ricercatori hanno continuato a indirizzarlo verso un risultato adatto alla pubblicazione.

Questa interazione definisce la vera sfida. Il confronto rilevante non è semplicemente Claude contro crittografi umani. È la ricerca AI persistente e strutturata contro la tendenza del modello ad abbandonare il lavoro che sembra improduttivo. La scoperta è dipesa da entrambe le parti, mentre la verifica umana ha richiesto molto più tempo dell'esplorazione della macchina.

Claude ha individuato due attacchi, ma nessuno dei due compromette la crittografia implementata

Claude Mythos ha prodotto progressi di ricerca legittimi senza compromettere la crittografia utilizzata nei prodotti attuali.

Anthropic ha pubblicato i risultati il 28 luglio 2026. La sua ricerca sulla crittografia descrive un attacco migliorato di recupero della chiave contro HAWK e un attacco più rapido contro AES-128 a sette round.

HAWK è una proposta di firma digitale post-quantistica. Le firme digitali consentono a un sistema di verificare l'identità di un mittente e confermare che le informazioni non siano state modificate. Gli schemi post-quantistici mirano a preservare tali garanzie contro i futuri computer quantistici.

Il National Institute of Standards and Technology degli Stati Uniti ha iniziato a cercare ulteriori algoritmi di firma post-quantistica nel 2022. HAWK ha raggiunto il terzo round di quel processo di revisione pubblica dopo aver superato due round precedenti nell'arco di circa due anni.

Mythos ha individuato una simmetria precedentemente inutilizzata nel reticolo sottostante di HAWK. Un reticolo è una griglia matematica strutturata i cui difficili problemi computazionali possono fornire sicurezza crittografica. La simmetria, chiamata automorfismo non banale, consente una ricerca più rapida di una chiave segreta.

Secondo Anthropic, il risultato riduce all'incirca della metà l'effettiva robustezza della chiave di HAWK. Per l'insieme di parametri HAWK-256 più piccolo, il lavoro stimato per il recupero completo della chiave è sceso da 2^64 operazioni a 2^38.

Ciò non significa che ogni configurazione HAWK sia ora facile da attaccare. Le chiavi più grandi richiedono ancora una ricerca esponenziale impraticabile. L'attacco è inoltre specifico per HAWK e non indebolisce altri candidati per firme post-quantistiche né la crittografia a reticoli in generale.

Tuttavia, per mantenere la sicurezza prevista da HAWK sarebbero necessarie chiavi molto più grandi. Tale modifica eroderebbe l'efficienza che rendeva attraente la proposta. L'attacco è quindi rilevante per la selezione degli standard, anche se HAWK non è entrato in produzione.

La seconda scoperta riguarda AES, l'Advanced Encryption Standard adottato dal NIST nel 2001. AES-128 protegge i dati applicando 10 round ripetuti di trasformazioni. Ogni round oscura ulteriormente la relazione tra testo in chiaro, chiave e output cifrato.

Claude non ha attaccato quei 10 round. Ha attaccato una versione deliberatamente indebolita a sette round, che i ricercatori usano per misurare il margine di sicurezza del cifrario completo.

Questa distinzione è decisiva. La crittoanalisi a round ridotti verifica se i metodi di attacco iniziano a fare progressi prima di raggiungere il progetto completo di un cifrario. Assomiglia al sottoporre a stress test una parte di un ponte, non al dimostrare che il ponte è crollato.

L'attacco presuppone inoltre l'accesso a 2^105 testi in chiaro scelti. In un modello a testo in chiaro scelto, un attaccante seleziona gli input e riceve i rispettivi output cifrati con una chiave fissa sconosciuta. Questo requisito di dati da solo rende l'esperimento impossibile nella pratica.

Anthropic stima che persino un'implementazione dell'attacco teorico richiederebbe centinaia di milioni di dollari. AES-128 completo rimane fuori dalla sua portata.

Questi limiti spiegano perché Anthropic ha dichiarato che nessun software di produzione necessita modifiche. Impediscono inoltre la conclusione drammatica ma inesatta secondo cui Claude avrebbe “violato AES”.

Ciò che è cambiato è più circoscritto e più interessante. Un sistema AI ha esteso una seria ricerca crittoanalitica contro due obiettivi ampiamente studiati. Un risultato ha danneggiato materialmente un candidato agli standard, mentre l'altro ha migliorato il miglior metodo noto per un classico problema di ricerca.

Questa combinazione crea pressione ben oltre i progettisti di HAWK. Organismi di standardizzazione, sviluppatori di modelli, fornitori cloud e team di sicurezza devono ora decidere come produrre, verificare e divulgare le scoperte generate dall'AI.

Perché il rapporto tra Amazon e Anthropic è rilevante in questo caso

Questo esperimento trasforma l'infrastruttura dei modelli di frontiera in parte del processo di ricerca crittografica, non semplicemente in un modo per eseguire un chatbot.

Amazon non ha redatto i due articoli e AWS non ha annunciato gli attacchi. Il lavoro è arrivato da ricercatori Anthropic che utilizzavano Claude Mythos Preview. Tuttavia, il rapporto tra Amazon e Anthropic fornisce un contesto commerciale e infrastrutturale essenziale.

Amazon ha investito complessivamente 8 miliardi di dollari in Anthropic, mantenendo al contempo una quota di minoranza. Anthropic identifica inoltre AWS come proprio partner principale per cloud e addestramento. I modelli Claude sono disponibili ai clienti aziendali tramite Amazon Bedrock.

Questa partnership collega capacità dei modelli, infrastruttura di calcolo specializzata e distribuzione aziendale. Anthropic collabora con AWS su acceleratori Trainium e software correlato, mentre Amazon ottiene un importante fornitore di modelli per la propria piattaforma cloud.

L'ultimo lavoro sulla crittografia mostra cosa può supportare un'inferenza intensiva. Ogni risultato principale ha consumato un utilizzo API stimato in 100.000 dollari. Secondo Anthropic, il progetto AES ha infine prodotto un miliardo di token di output.

Questi numeri non descrivono normali carichi di lavoro aziendali. Mostrano un modello di ricerca che impiega grandi quantità di calcolo attraverso molti agenti, ipotesi, esperimenti, critiche e percorsi falliti.

Per Amazon, la domanda importante non è se i clienti riprodurranno questo esatto esperimento tramite un normale prompt di Bedrock. Mythos Preview non è generalmente disponibile e Anthropic ha limitato l'accesso a causa delle sue capacità di cybersicurezza.

La questione è se l'infrastruttura cloud diventi un input determinante per la ricerca automatizzata. Se le scoperte utili richiedono lavoro multi-agente sostenuto, esperimenti ripetuti ed enormi budget di token, i fornitori di calcolo occupano una posizione strategica nel flusso di lavoro.

L'investimento di Amazon in Anthropic appare quindi diverso attraverso questa lente. La partnership non riguarda solo l'hosting di assistenti generalisti. Colloca AWS vicino a esperimenti in cui i modelli esaminano la letteratura tecnica, utilizzano strumenti matematici e testano idee originali.

Questa opportunità comporta anche responsabilità. Più calcolo consente ai ricercatori difensivi di indagare algoritmi trascurati. La stessa scalabilità può accelerare l'analisi offensiva quando i modelli o capacità equivalenti si diffondono.

Anthropic aveva precedentemente affermato che Mythos poteva trovare e sfruttare vulnerabilità software nei principali sistemi operativi e browser. La ricerca sulla progettazione crittografica sposta la questione dagli errori di programmazione alle debolezze nella matematica stessa.

I bug di implementazione dispongono di strumenti di verifica concreti. Un programma che va in crash, un report di un sanitizer o un exploit funzionante possono fornire un risultato oggettivo. La nuova crittoanalisi è più difficile perché la correttezza dipende da assunzioni matematiche, letteratura precedente e stime precise della complessità.

Ciò rende la revisione umana più importante, non meno. Rende anche la struttura dei costi meno prevedibile. Un modello può generare centinaia di idee plausibili più rapidamente di quanto esperti qualificati possano respingerle.

Gli acquirenti aziendali non dovrebbero interpretare l'esperimento come autorizzazione a delegare decisioni di sicurezza a un modello. Mostra invece perché provenienza, registri degli esperimenti e revisione umana devono restare collegati a ogni affermazione rilevante.

I team di ingegneria faticano già a preservare il contesto dietro decisioni complesse. Una base di conoscenza ricercabile diventa più rilevante quando un agente produce migliaia di artefatti intermedi che i revisori devono tracciare.

La corsa all'infrastruttura è quindi accompagnata da una corsa alla validazione. AWS, Anthropic e altre piattaforme di modelli possono aumentare il volume delle potenziali scoperte. La risorsa scarsa diventa l'attenzione degli esperti, capace di distinguere un risultato pubblicabile dal rumore matematico espresso con sicurezza.

Il meccanismo chiave era la perseveranza, non un singolo prompt perfetto

Il vantaggio decisivo di Claude è emerso solo dopo che gli esseri umani gli hanno impedito di ridefinire l'incarico attorno a un lavoro più semplice.

Per il progetto HAWK, Mythos ha operato in modo semi-autonomo all'interno di un harness agentico. Un harness combina prompt, strumenti, memoria e codice affinché un modello possa perseguire un obiettivo più lungo invece di rispondere una sola volta.

L'ambiente assomigliava a Claude Code e supportava più agenti worker. Questi agenti potevano consultare articoli pubblicati e utilizzare strumenti computazionali come Python e Sage, un sistema per il calcolo simbolico e matematico.

L'operatore umano aveva esperienza in informatica teorica ma non era specialista in crittografia a reticoli. La guida umana si è concentrata principalmente sulla gestione della ricerca, come il monitoraggio delle idee e la scelta delle librerie di verifica.

Due worker hanno identificato la direzione cruciale per HAWK. Uno l'ha scartata prematuramente, mentre l'altro l'ha sviluppata ulteriormente. Gli scambi proseguiti hanno infine portato entrambi i worker a riconoscere l'attacco praticabile.

L'intero processo di scoperta e verifica di HAWK ha richiesto circa 60 ore. Mythos ha svolto una revisione della letteratura, esplorato la matematica, eseguito esperimenti computazionali e costruito una pipeline di verifica end-to-end.

Il processo AES rivela una divisione del lavoro ancora più netta. Un ricercatore Anthropic ha costruito uno scaffold che consentiva a Claude di proporre ipotesi, testarle, scartare i fallimenti e continuare la ricerca. L'incarico richiedeva un miglioramento rispetto al migliore attacco pubblicato.

Claude ha inizialmente opposto resistenza. Ha sostenuto che AES a round ridotti fosse stato studiato troppo approfonditamente e ha suggerito che un esito diverso richiedesse un obiettivo diverso. Questa risposta era sensata a livello conversazionale, ma poco utile per la ricerca originale.

L'operatore umano ha risposto con istruzioni sempre più dirette. I messaggi sottolineavano che il modello doveva cercare nuovi attacchi, mantenere AES-128 con sette round ed evitare risultati di scarso valore. Anthropic ha pubblicato i prompt mantenendo intatti gli errori di ortografia e grammatica.

Simon Willison ha evidenziato quei messaggi nella sua analisi dei prompt. La loro importanza risiede in ciò che rivelano sul comportamento degli agenti, non nella loro formulazione.

I prompt hanno contribuito con poche conoscenze crittografiche specialistiche. Hanno fornito ambizione, stabilità dell'obiettivo e autorizzazione a impiegare maggiore sforzo. Il modello disponeva già dell'accesso alla letteratura tecnica, agli strumenti e agli output degli agenti precedenti.

Dopo aver ricevuto questa indicazione, Mythos ha trascorso tre giorni producendo diverse centinaia di milioni di token. Alla fine ha proposto il Möbius Bridge, un metodo di fingerprinting che elimina una costosa ipotesi dall’attacco precedente.

Un attacco meet-in-the-middle fa risparmiare tempo calcolando da due direzioni e facendo corrispondere gli stati intermedi. Di solito scambia una minore durata di esecuzione con una grande tabella di calcoli memorizzati.

Il precedente metodo AES a sette round richiedeva di enumerare 256 possibili valori durante una fase e confrontarli con una tabella. Mythos ha costruito un fingerprint che rimane invariato rispetto a quell’ipotesi, eliminando l’enumerazione.

Il calcolo della nuova trasformazione ha introdotto lavoro aggiuntivo. Claude ha poi sviluppato ulteriori ottimizzazioni per compensare quel costo. Anthropic stima che il metodo combinato funzioni da 200 a 800 volte più velocemente, a seconda di come viene misurato il tempo di esecuzione.

Questo è il meccanismo centrale alla base del risultato. Claude non ha risposto a una domanda ingegnosa con un attacco già pronto. Ha gestito un vasto processo di ricerca, la cui direzione utile è emersa dopo che gli esseri umani hanno ripetutamente impedito scorciatoie più facili.

Definire tutto questo “prompt engineering” sminuisce il flusso di lavoro. I ricercatori hanno fissato gli obiettivi, mantenuto il bersaglio, allocato la capacità di calcolo, preservato il lavoro intermedio e richiesto verifiche. Sono funzioni di gestione della ricerca.

Il processo mette anche in discussione l’idea che un modello intelligente non debba richiedere incoraggiamento. I modelli frontier sono ottimizzati per produrre risposte utili e dichiarare difficile un problema famoso può sembrare responsabile. La ricerca richiede di continuare oltre quella risposta socialmente accettabile.

Questo crea un sottile problema di valutazione. Un modello può possedere i componenti necessari per una scoperta, ma fallire perché non dedica sufficiente impegno. I benchmark standard misurano spesso se risolve un problema fisso entro una singola esecuzione limitata.

Gli agenti di ricerca a lunga esecuzione si comportano diversamente. Il loro output dipende da strutture di supporto, lavoratori paralleli, accesso agli strumenti, gestione del contesto, feedback e un budget per i tentativi falliti. La capacità appartiene in parte al sistema che circonda il modello.

Il risultato su AES non dimostra che qualsiasi utente determinato possa trasformare un breve prompt in crittoanalisi d’élite. Dimostra che un’orchestrazione persistente può rivelare capacità del modello nascoste dal pessimismo iniziale.

La verifica umana è diventata il vero collo di bottiglia

Il modello ha generato ricerca più velocemente di quanto il team di Anthropic potesse stabilire che fosse corretta, nuova e utile.

Anthropic afferma che Mythos ha concepito il migliorato attacco ad AES in circa una settimana. Due ricercatori hanno poi trascorso quasi un mese ad acquisire fiducia nel risultato.

L’azienda afferma inoltre che quei ricercatori hanno dedicato diverse centinaia di ore a imparare abbastanza crittografia da convalidare l’affermazione e preparare l’articolo. Anthropic osserva esplicitamente che non erano esperti di crittografia.

Questa rivelazione merita la stessa attenzione dell’attacco stesso. La ricerca matematica non diventa affidabile perché un modello fornisce equazioni, codice e una spiegazione autorevole. I revisori devono verificare ogni ipotesi e confrontare il metodo con decenni di lavori precedenti.

HAWK ha offerto un percorso di convalida più concreto. Il team ha potuto implementare il metodo di recupero della chiave dall’inizio alla fine e verificare se recuperasse una chiave scelta. Ciò rende il risultato più facile da testare rispetto a un vasto attacco teorico ad AES.

Per AES, nessuno può eseguire l’attacco completo con le ipotesi di risorse dichiarate. La revisione dipende invece dalla dimostrazione della correttezza dell’algoritmo, dal controllo della sua complessità e dalla convalida sperimentale di componenti più piccoli.

Anthropic afferma di aver consultato accademici, condiviso il risultato su HAWK con i suoi progettisti a giugno e coordinato la pubblicazione attraverso una mailing list del NIST. Ha inoltre informato partner del governo e dell’industria statunitensi prima del rilascio.

Questi passaggi riducono la probabilità di un errore evidente. Non sostituiscono una revisione tra pari più ampia. I due articoli e il codice associato offrono ora ai crittografi indipendenti l’opportunità di contestare le affermazioni.

La natura pubblica della revisione crittografica è importante. La sicurezza deriva solitamente da analisi avversarie ripetute, non dalla fiducia nell’organizzazione che annuncia un risultato. Gli esperti devono tentare di riprodurre il ragionamento e identificare le ipotesi nascoste.

CyberScoop ha riportato che la dirigente di Keyfactor Ellen Boehm ha considerato la scoperta una prova del fatto che il processo di valutazione post-quantistica sta funzionando. Gli algoritmi candidati entrano in competizioni pubbliche proprio affinché i ricercatori possano trovarne le debolezze prima dell’implementazione.

Questa interpretazione evita di trarre la lezione sbagliata da HAWK. La sua battuta d’arresto non significa che la standardizzazione post-quantistica abbia fallito. Significa che un candidato pubblico ha ricevuto un test rigoroso prima di diventare infrastruttura.

La storia delle competizioni NIST sostiene questa visione. SIKE, un precedente candidato post-quantistico, ha superato anni di attenzione prima che i ricercatori trovassero un attacco devastante eseguibile su un laptop.

L’IA aggiunge una nuova fonte di pressione avversaria. Gli enti di standardizzazione possono usare i modelli per testare più costruzioni ed esplorare più varianti. I progettisti possono anche applicare le stesse tecniche prima di presentare una proposta.

Tuttavia, una maggiore capacità di ricerca produce un problema di accodamento. Se i modelli generano attacchi molto più velocemente di quanto gli specialisti possano valutarli, l’arretrato cresce. Risultati errati possono assorbire mesi di attenzione, mentre scoperte autentiche potrebbero restare inosservate in attesa.

I modelli possono anche creare un falso senso di verifica scrivendo test che confermano le loro stesse ipotesi errate. Implementazioni e revisori indipendenti restano necessari perché la coerenza interna non equivale alla correttezza.

La partnership Amazon Anthropic si trova vicino a questo collo di bottiglia perché scalare i modelli e servire sessioni di agenti più lunghe amplia il flusso a monte. L’infrastruttura può aumentare l’output dei candidati più rapidamente di quanto le comunità accademiche possano aumentare i revisori qualificati.

La risposta appropriata non è sopprimere tutta l’esplorazione automatizzata. È costruire sistemi di revisione accanto ad essa. Tali sistemi necessitano di log completi, codice riproducibile, modelli di minaccia espliciti, letteratura versionata e registrazioni chiare dell’intervento umano.

CryptanalysisBench rappresenta un tentativo di rendere più misurabile la performance dei modelli. Anthropic ha creato il benchmark con ricercatori accademici per organizzare problemi crittografici in una forma che modelli diversi possano affrontare.

I benchmark coglieranno comunque solo una parte del quadro. Il risultato più forte di Anthropic è dipeso da un essere umano persistente che ha rifiutato di lasciare che Claude cambiasse bersaglio. I progetti di valutazione devono quindi misurare sia il lavoro autonomo sia le prestazioni sotto una supervisione di ricerca realistica.

Cosa non dimostrano i risultati

Gli attacchi sono abbastanza credibili da meritare studio, ma troppo limitati per sostenere affermazioni secondo cui Claude avrebbe violato la crittografia moderna o sostituito i crittografi.

La prima limitazione riguarda l’impatto pratico. HAWK è un candidato, non uno standard implementato. AES a sette round è un oggetto di studio deliberatamente indebolito. AES-128 completo usa 10 round e rimane inalterato.

La seconda limitazione è la fattibilità computazionale. L’attacco ad AES presuppone 2^105 testi in chiaro scelti, una quantità di dati ben oltre quanto sia possibile raccogliere in qualsiasi ambiente realistico. Il suo miglioramento da 200 a 800 volte non trasforma un attacco impossibile in uno utilizzabile.

La terza limitazione riguarda l’autonomia. Mythos ha svolto in modo indipendente gran parte dell’esplorazione tecnica, ma le persone hanno selezionato i bersagli, costruito le strutture di supporto, monitorato i progressi, reindirizzato il modello e convalidato l’output.

Descrivere il lavoro come pienamente autonomo cancellerebbe tali contributi. Descriverlo come una mera scoperta umana scritta dall’IA sarebbe altrettanto inesatto. L’unità utile è il sistema di ricerca combinato.

La quarta limitazione è la convalida esterna. Anthropic ha rilasciato articoli, codice e artefatti di ragionamento selezionati, ma la più ampia comunità crittografica ha appena iniziato a esaminarli. La revisione indipendente determinerà se ogni miglioramento dichiarato resisterà allo scrutinio.

Il ragionamento rilasciato non è inoltre un resoconto completo di ogni token interno. Anthropic afferma che il documento è stato riscritto da Claude per fornire un resoconto più leggibile di una sessione riuscita. Molte altre sessioni non hanno prodotto alcuna scoperta.

Questa selezione rende l’artefatto utile per comprendere il percorso di successo, ma meno solido per stimare i tassi di successo. I lettori non possono dedurre con quale frequenza una spesa simile produca ricerca pubblicabile.

La quinta limitazione è la generalizzazione. Una simmetria in HAWK non implica che la stessa debolezza esista nell’intera crittografia reticolare. Un miglioramento tramite fingerprint contro sette round di AES non implica un percorso attraverso i tre rimanenti.

I round crittografici sono progettati affinché la complessità si componga. I progressi contro una versione ridotta aiutano a misurare i margini di sicurezza, ma i round finali possono restare oltre ogni tecnica nota.

Anche le affermazioni preliminari di Anthropic richiedono cautela. L’azienda riferisce di un attacco a LEA a 13 round eseguibile su un desktop e di un altro contro Serpent-128 a sei round. Nessuno dei due raggiunge le versioni complete di questi cifrari.

Il team prevede di rilasciare maggiori dettagli dopo ulteriori lavori. Fino ad allora, questi risultati restano affermazioni dell’azienda, non conclusioni pienamente ispezionabili.

C’è anche una questione economica. Spendere circa $100,000 per risultato può avere senso per un laboratorio frontier che studia standard importanti. È meno accessibile per gruppi universitari, manutentori e team di sicurezza più piccoli.

Questo squilibrio potrebbe concentrare l’accesso iniziale alla crittoanalisi assistita dall’IA tra aziende di modelli, fornitori cloud hyperscale, governi e vendor ben finanziati. Le organizzazioni che producono risultati potrebbero anche controllare i sistemi necessari per riprodurli.

L’accesso limitato a Mythos complica ulteriormente la replica indipendente. I ricercatori possono ispezionare gli artefatti pubblicati, ma non possono necessariamente rieseguire lo stesso modello e la stessa struttura di supporto.

Questi vincoli non negano i risultati. Definiscono cosa significano. Claude Mythos sembra in grado di contribuire con idee originali nell’ambito di un programma di ricerca attentamente gestito. Non ha stabilito una capacità generale di sconfiggere su richiesta la crittografia implementata.

Il giusto scetticismo deve concentrarsi sulle affermazioni circostanti, non sul valore di testare gli algoritmi. Una revisione più rigorosa prima dell’implementazione è vantaggiosa, sia che l’idea utile provenga da una persona, da un modello o dalla loro collaborazione.

Chi osserva Amazon Anthropic dovrebbe seguire tre segnali

La fase successiva sarà decisa dalla replica indipendente, dall’affidabilità della ricerca misurabile e dalle regole di divulgazione per risultati con un reale impatto operativo.

Il primo segnale è come i crittografi esterni valuteranno gli articoli su HAWK e AES. Calcoli riprodotti, stime di complessità corrette e implementazioni indipendenti mostreranno se i risultati resistono alla pressione degli esperti.

Una forte replica sosterrebbe l’affermazione di Anthropic secondo cui i modelli frontier possono contribuire a una crittoanalisi nuova. Correzioni importanti indebolirebbero la più ampia narrazione sulle capacità, anche se gli esperimenti rimanessero istruttivi.

Il secondo segnale sono le prestazioni su CryptanalysisBench e valutazioni simili. I ricercatori hanno bisogno di risultati da più modelli, esecuzioni ripetute, budget documentati e diversi livelli di guida umana.

Un benchmark dovrebbe distinguere la scoperta dalla riscoperta. Dovrebbe inoltre registrare sessioni fallite, consumo di token, uso degli strumenti e gli interventi che hanno cambiato la direzione di un agente.

Se più famiglie di modelli producono nuovi attacchi convalidati in condizioni controllate, la crittoanalisi con IA diventa una capacità estesa a tutto il settore. Se il successo resta raro e dipendente da un’infrastruttura specifica di Mythos, la conclusione rimane più circoscritta.

Il terzo segnale è il modo in cui Anthropic, Amazon, gli enti di standardizzazione e i governi gestiranno una scoperta che colpisce software implementato. Questi due attacchi hanno consentito una divulgazione ordinata perché nessuno dei due metteva in pericolo un sistema di produzione.

Una violazione pratica creerebbe scelte più difficili. I ricercatori dovrebbero avvisare i fornitori, coordinare patch o migrazioni, limitare i dettagli tecnici e decidere quando il pubblico merita un avvertimento.

Anthropic afferma già di aver consultato leader governativi e dell’industria sul lavoro attuale. Il prossimo banco di prova sarà capire se queste relazioni produrranno regole trasparenti prima di una crisi, anziché controlli improvvisati in seguito.

Per gli sviluppatori e i responsabili della sicurezza aziendale, l’azione immediata non è sostituire la crittografia o farsi prendere dal panico per AES. È migliorare la visibilità su dove algoritmi crittografici, librerie, chiavi e protocolli entrano nei loro sistemi.

I team dovrebbero inoltre prepararsi a valutare le affermazioni sulla sicurezza generate dalle macchine. Ciò significa conservare materiali di origine, esperimenti, prompt, codice e decisioni dei revisori, anziché accettare un rapporto finale ben rifinito.

La vicenda Amazon Anthropic riguarda in definitiva la leva. Amazon fornisce capitale, infrastruttura cloud e una strada verso la distribuzione aziendale. Anthropic fornisce un modello con accesso limitato in grado di sostenere ricerche tecniche insolitamente approfondite.

Il lavoro crittografico di Claude mostra ciò che questa combinazione può rendere possibile, ma ne evidenzia anche il fattore limitante. Il calcolo può generare potenziali scoperte su scala enorme. La fiducia procede comunque alla velocità di un’attenta revisione umana.

La domanda per i prossimi mesi è quindi specifica: esperti indipendenti convalideranno questi attacchi e riprodurranno il modello di ricerca con altri modelli? Queste prove determineranno se si è trattato di un esperimento eccezionale o dell’inizio di un metodo ripetibile per verificare la matematica alla base della sicurezza digitale.