Anthropic Claude scopre nuovi attacchi contro HAWK e AES a round ridotti

Anthropic Claude ha prodotto due rilevanti attacchi crittografici, sebbene nessuno dei due minacci oggi software o dati cifrati in produzione. Claude Mythos Preview ha indebolito lo schema di firma HAWK proposto e accelerato un attacco contro AES-128 a sette round.

La notizia immediata è rassicurante. HAWK resta un candidato in un processo di revisione pubblica, mentre l’AES-128 standard usa dieci round anziché sette. Anthropic afferma esplicitamente che nessun software in produzione deve cambiare a causa di nessuno dei due risultati.

La questione più profonda riguarda chi svolge la criptoanalisi avanzata e con quale rapidità il settore possa convalidare il lavoro risultante. Anthropic afferma che il suo sistema multi-agente ha raggiunto un risultato in circa 60 ore e ha generato l’altro in gran parte autonomamente nel giro di una settimana. I ricercatori umani hanno poi impiegato molto più tempo per verificare il lavoro su AES.

Questo squilibrio cambia il significato dell’annuncio. Lo sviluppo importante non è che Anthropic Claude abbia violato la crittografia di Internet. Non l’ha fatto. Lo sviluppo è che un sistema di IA abbia generato attacchi matematici credibili contro schemi già esaminati da ricercatori specialisti.

Cosa ha effettivamente scoperto Anthropic Claude

I due risultati fanno avanzare la ricerca crittografica, ma nessuno dei due costituisce un attacco pratico contro la sicurezza Internet attuale.

Anthropic ha divulgato il lavoro il 28 luglio 2026 tramite il suo Frontier Red Team. L’azienda ha pubblicato articoli tecnici separati dedicati al recupero delle chiavi HAWK e a un attacco migliorato contro AES-128 a sette round.

Le scoperte crittografiche differiscono dalle vulnerabilità software che Anthropic aveva precedentemente attribuito a Mythos Preview. Quelle scoperte precedenti riguardavano spesso errori di implementazione, in cui il software usava in modo errato un algoritmo valido.

Questa ricerca prende di mira direttamente i progetti matematici. La distinzione è importante perché l’audit delle implementazioni e la criptoanalisi richiedono forme di ragionamento diverse.

Un bug di implementazione potrebbe riguardare un accesso non sicuro alla memoria, un controllo dei limiti errato o un percorso di autenticazione difettoso. I ricercatori possono spesso riprodurre tali errori eseguendo il codice e osservando un crash o un’azione non autorizzata.

La criptoanalisi chiede se un algoritmo offra la sicurezza prevista dai suoi progettisti secondo un modello di minaccia matematico definito. Un attacco proposto deve essere nuovo, internamente coerente e meno costoso della migliore alternativa nota.

Il primo risultato riguarda HAWK, un candidato per firme digitali post-quantistiche. Le firme digitali consentono a un destinatario di verificare l’origine di un messaggio e rilevare modifiche non autorizzate.

HAWK fa parte di un processo NIST per valutare firme aggiuntive progettate per resistere agli attacchi dei futuri computer quantistici. Non è uno standard Internet già distribuito.

Secondo Anthropic, HAWK aveva superato due cicli di revisione da parte di esperti nell’arco di due anni. Mythos Preview ha quindi individuato una simmetria matematica non sfruttata all’interno della struttura a reticoli su cui si basa lo schema.

Il sistema ha usato tale simmetria per creare un metodo più rapido di recupero delle chiavi. Il recupero delle chiavi mira a ricostruire una chiave privata di firma a partire da informazioni pubbliche.

Per i parametri di prova HAWK-256 di piccole dimensioni, Anthropic afferma che il costo previsto dell’attacco è sceso da 2^64 operazioni a 2^38. HAWK-256 è stato deliberatamente incluso come obiettivo di criptoanalisi, non come insieme di parametri consigliato per la produzione.

L’attacco resta esponenziale, il che significa che il suo costo continua a crescere rapidamente con la dimensione della chiave. Anthropic afferma inoltre che i parametri HAWK più grandi restano impraticabili da attaccare.

Tuttavia, per mantenere il livello di sicurezza previsto sarebbero necessarie chiavi sostanzialmente più grandi. Questo cambiamento eroderebbe la compattezza e l’efficienza che rendevano HAWK interessante.

Il secondo risultato si applica a una forma deliberatamente indebolita di AES-128. L’AES-128 standard trasforma i dati attraverso dieci round ripetuti, mentre l’obiettivo della ricerca ne usa soltanto sette.

Gli accademici studiano i cifrari a round ridotti per misurarne i margini di sicurezza e sviluppare tecniche che potrebbero rivelare debolezze strutturali più profonde. Violare una simile variante di ricerca non significa che il cifrario completo sia stato violato.

Mythos Preview ha migliorato un attacco meet-in-the-middle, che riduce il calcolo salvando e confrontando risultati intermedi. Ha progettato una tecnica di fingerprinting che Anthropic chiama Möbius Bridge.

La tecnica elimina un’ipotesi che coinvolge 256 possibili valori. Tenendo conto del costo computazionale aggiuntivo, Anthropic stima un miglioramento di velocità compreso tra 200 e 800 volte.

Sembra un risultato eclatante, ma lo scenario sottostante resta impraticabile. L’attacco presuppone l’accesso a 2^105 plaintext scelti, ovvero input selezionati da un attaccante e cifrati con un’unica chiave sconosciuta.

Anthropic stima inoltre che l’implementazione persino di questo attacco a round ridotti richiederebbe risorse ben oltre quelle disponibili ai normali attaccanti. L’AES-128 completo a dieci round non subisce effetti.

Questi limiti dovrebbero accompagnare ogni resoconto del titolo. Definire le scoperte una violazione di AES o un fallimento della crittografia Internet traviserebbe la ricerca.

Perché il risultato su HAWK mette sotto pressione la revisione crittografica

L’attacco contro HAWK mette sotto pressione la velocità e l’ampiezza della revisione umana, non i sistemi che usano già standard post-quantistici.

NIST ha iniziato a cercare schemi di firma post-quantistici aggiuntivi per ampliare le opzioni progettuali disponibili. Le competizioni pubbliche consentono a ricercatori indipendenti di esaminare le proposte, metterne alla prova le ipotesi e individuare parametri non sicuri prima della standardizzazione.

HAWK è arrivato al terzo round di quella revisione delle firme. Il suo progetto privilegia firme compatte, operazioni veloci e requisiti di memoria contenuti, anche su hardware con risorse limitate.

La sua sicurezza diretta contro il recupero delle chiavi dipende da una struttura matematica chiamata problema dell’isomorfismo dei reticoli. Il problema chiede se due reticoli siano correlati tramite una trasformazione che ne preserva la struttura essenziale.

Ricerche precedenti avevano stabilito che trovare un automorfismo utile, ovvero una simmetria che mappa un reticolo su sé stesso, poteva supportare un attacco. La questione irrisolta era se la particolare costruzione di HAWK ne esponesse uno accessibile.

Anthropic afferma che Mythos Preview ha trovato tale simmetria e costruito una pipeline di verifica end-to-end. Il conseguente attacco per enumerazione cerca possibili chiavi in modo più efficiente rispetto alle tecniche precedenti.

Il processo ha usato diversi worker Claude all’interno di un harness agentico. Un harness agentico combina prompt, strumenti, registri condivisi e coordinamento delle attività affinché i modelli possano perseguire un obiettivo di ricerca di lunga durata.

I worker potevano consultare ricerche pubblicate e usare sistemi computazionali come Python e Sage. Un operatore umano forniva gestione del progetto e indicazioni non tecniche occasionali.

Il resoconto di Anthropic offre un dettaglio importante sulla ricerca multi-agente. Due worker hanno esaminato l’idea critica, ma uno l’ha scartata prematuramente. Il secondo ha proseguito e ha trovato una strada praticabile.

I worker si sono scambiati messaggi finché entrambi non hanno accettato l’attacco. Questo somiglia più a un’indagine scientifica parallela che a un singolo chatbot che produce una risposta.

Secondo Anthropic, individuare e verificare l’attacco contro HAWK ha richiesto circa 60 ore. L’operatore umano aveva esperienza in informatica teorica, ma non competenze specialistiche nella crittografia a reticoli.

L’azienda ha condiviso l’attacco con gli autori di HAWK a giugno. Ha poi coordinato la divulgazione pubblica con la pertinente mailing list NIST.

Questo processo è più vicino a una revisione crittografica responsabile che a una divulgazione opportunistica di vulnerabilità. HAWK è stato presentato pubblicamente affinché i ricercatori potessero cercarne debolezze prima dell’adozione.

Il risultato mostra quindi che il processo NIST funziona come previsto. Un candidato ha ricevuto scrutinio avversariale, è emersa una debolezza e i valutatori hanno ottenuto nuove prove prima di approvare uno standard.

La storia offre un confronto utile. SIKE, un altro candidato post-quantistico, aveva superato un’ampia attenzione prima che i ricercatori trovassero nel 2022 un devastante attacco classico.

Quell’attacco poteva recuperare una chiave segreta su un normale laptop. Il fallimento di SIKE fu molto più grave del nuovo risultato su HAWK, ma rafforzò il valore di una lunga revisione pubblica.

La differenza ora è la fonte della pressione. Un sistema di IA multi-agente può esaminare la letteratura, generare ipotesi, eseguire esperimenti e coordinare approcci concorrenti senza pause.

Questo non rende le sue conclusioni affidabili per impostazione predefinita. Aumenta però il numero di percorsi d’attacco credibili che gli esperti potrebbero dover esaminare.

Le organizzazioni crittografiche avranno quindi bisogno di più del semplice accesso ai modelli. Servono sistemi di revisione che conservino le ipotesi fallite, riproducano i calcoli, confrontino i lavori precedenti e indirizzino le scoperte promettenti a specialisti qualificati.

L’obiettivo della pressione è la pipeline di validazione umana. Se i sistemi di IA generano attacchi plausibili più rapidamente di quanto gli esperti possano respingerli o confermarli, le code di revisione diventano un vincolo di sicurezza.

Questo vincolo interessa organismi di standardizzazione, conferenze accademiche, fornitori e agenzie governative. Ogni gruppo dipende da specialisti scarsi in grado di distinguere un progresso autentico da un sottile errore matematico.

Il risultato su HAWK offre una verifica insolitamente solida perché Anthropic ha implementato l’attacco end-to-end. I ricercatori possono scegliere una chiave, eseguire il metodo e osservare se la recupera.

Non tutti i risultati futuri consentiranno verifiche così dirette. Alcune affermazioni dipenderanno da ragionamenti asintotici, limiti probabilistici complessi o ipotesi difficili da riprodurre sperimentalmente.

L’IA può ampliare la superficie di ricerca. Le istituzioni umane devono ampliare con essa la superficie di verifica.

L’attacco AES a round ridotti mostra il meccanismo

Il risultato su AES è importante perché Claude ha creato una nuova ottimizzazione attraverso una sperimentazione prolungata, non perché l’AES-128 completo sia diventato insicuro.

NIST ha standardizzato il cifrario AES nel 2001. AES-128 applica dieci round di sostituzioni, permutazioni e operazioni dipendenti dalla chiave a ciascun blocco di dati.

La sua lunga storia lo rende un obiettivo di ricerca insolitamente difficile. I crittografi hanno esaminato AES più intensamente di quasi qualsiasi altro cifrario simmetrico.

Questa maturità spiega anche perché i ricercatori studino versioni con meno round. L’analisi a round ridotti rivela quanta protezione fornisca ciascun round aggiuntivo e se nuove tecniche si avvicinino al progetto completo.

Anthropic ha chiesto a Mythos Preview di migliorare il più efficace attacco pubblicato contro AES-128 a sette round. Inizialmente il modello ha opposto resistenza, sostenendo che il problema non offrisse una strada semplice.

I ricercatori hanno modificato l’harness affinché gli agenti continuassero a cercare idee realmente nuove. Hanno inoltre reindirizzato ripetutamente Claude verso sette round quando tentava obiettivi più facili.

Il sistema ha generato diverse centinaia di milioni di token nei primi tre giorni di indagine. Anthropic afferma che alla fine ha prodotto un miliardo di token in output durante il perfezionamento del metodo completo.

Il volume da solo non dimostra intelligenza né qualità della ricerca. Rivela però un vantaggio della sperimentazione automatizzata: il sistema può esplorare, scartare e ricombinare idee a una scala non disponibile a un singolo ricercatore.

Il risultante Möbius Bridge agisce come un'impronta digitale invariante rispetto a un valore che in precedenza doveva essere ipotizzato. L'invarianza significa che l'impronta resta utile anche quando quel valore specifico cambia.

I lavori precedenti dovevano enumerare 256 valori e confrontarli con una tabella di ricerca precomputata. Eliminare questo passaggio riduce teoricamente il lavoro rilevante di un fattore 256.

La nuova trasformazione aggiunge anche overhead. Anthropic riporta quindi un miglioramento analitico pratico da 200 a 800 volte, a seconda di come i ricercatori misurano il tempo di esecuzione.

L'attacco resta una tecnica meet-in-the-middle. Questi metodi scambiano memoria con velocità calcolando valori da direzioni opposte e cercando uno stato interno corrispondente.

Tali attacchi possono superare la forza bruta senza rivelare un semplice difetto nel cifrario. La loro praticabilità dipende dall'accesso ai dati, dai requisiti di memoria, dalla capacità di calcolo e dal numero di round coinvolti.

In questo caso, il requisito di dati ipotizzato è di 2^105 testi in chiaro scelti. Questa cifra è astronomicamente al di là di qualsiasi scenario realistico di raccolta.

Il bersaglio omette inoltre tre dei dieci round di AES-128. Quei round aggiuntivi aumentano notevolmente la difficoltà di estendere la tecnica al cifrario standard.

Il paper di Anthropic contribuisce quindi alla documentazione accademica degli attacchi contro AES a round ridotti. Non offre ai criminali un metodo praticabile per decrittare traffico bancario, file archiviati o messaggi privati.

Il meccanismo più importante si colloca al di sopra del cifrario. Un ricercatore ha costruito l'infrastruttura, poi Claude ha proposto autonomamente ipotesi, le ha testate, ha letto critiche e ha trasmesso scoperte tra gli agenti.

Il sistema non ha restituito una singola risposta rifinita dopo un unico prompt. Ha operato come un'organizzazione di ricerca compressa nel software, con tentativi multipli e supporto computazionale persistente.

Questo approccio assomiglia ai metodi usati da altri laboratori di frontiera. Google DeepMind e OpenAI hanno entrambi applicato la ricerca assistita da modelli a problemi difficili di matematica, algoritmi e scienza.

La direzione condivisa è più significativa di qualsiasi singolo punteggio di benchmark. La capacità dei modelli dipende sempre più dal sistema circostante, inclusi strumenti, memoria, verifica e lavoratori paralleli.

La crittoanalisi è adatta a questa configurazione perché molte idee possono essere testate computazionalmente. Un modello può cercare schemi, implementare trasformazioni candidate e confrontarle con risultati noti.

Tuttavia, la crittografia punisce anche gli errori minimi. Una condizione trascurata, un'ipotesi sui dati sottostimata o un termine di complessità errato possono invalidare un paper altrimenti convincente.

Questo crea il compromesso centrale. La ricerca automatizzata amplia l'offerta di scoperte candidate, mentre la validazione esperta resta lenta e costosa.

I ricercatori di Anthropic riconoscono direttamente questo squilibrio. Mythos Preview ha impiegato circa una settimana per sviluppare il risultato su AES, mentre due ricercatori hanno trascorso quasi un mese a costruire fiducia nella sua validità.

Hanno inoltre dedicato diverse centinaia di ore ad apprendere abbastanza crittografia da poter valutare il metodo. Anthropic osserva che quei ricercatori non erano specialisti di crittografia.

Questa ammissione rafforza la necessità di una revisione indipendente. Rende inoltre il risultato più interessante, perché il sistema ha apparentemente aiutato non specialisti a entrare in un campo tecnicamente impegnativo.

La fase successiva non dovrebbe rimuovere gli esperti dal processo. Dovrebbe fornire loro artefatti riproducibili, ragionamenti strutturati, test eseguibili e confronti chiari con la ricerca precedente.

L'affermazione è impressionante, ma la verifica è il collo di bottiglia

Anthropic ha pubblicato prove significative, ma l'affermazione più ampia di una crittografia a livello di esperti richiede ancora validazione indipendente e ripetuta.

L'argomento scettico più forte non nega i due attacchi. Mette in discussione ciò che essi dimostrano sulla capacità di ricerca generale.

Entrambi i bersagli sono stati selezionati e inquadrati dai ricercatori di Anthropic. Gli agenti hanno ricevuto accesso alla letteratura pertinente, a strumenti computazionali, a prompt ripetuti e a un'infrastruttura progettata appositamente.

Molte sessioni non hanno prodotto alcuna scoperta utile. Il resoconto pubblicato da Anthropic si concentra sulle traiettorie riuscite, rendendo difficile stimare il tasso di successo complessivo.

Il modello ha inoltre richiesto uno sforzo computazionale insolitamente grande. Un miliardo di token generati non è un normale carico di lavoro interattivo, nemmeno per organizzazioni di ricerca ben finanziate.

Questa scala cambia il confronto con gli esseri umani. La domanda rilevante non è se una risposta di Claude abbia superato un singolo crittografo.

Un confronto equo deve considerare il calcolo totale, la preparazione umana, il perfezionamento dei prompt, i tentativi falliti, il tempo di validazione e l'accesso alla letteratura specialistica. Deve inoltre misurare la novità su problemi mai visti.

Anthropic ha collaborato con accademici dell'ETH Zurich, della Tel Aviv University e della TU Berlin per creare CryptanalysisBench. Il benchmark raccoglie schemi crittografici per una valutazione standardizzata dei modelli.

I primi risultati del benchmark suggeriscono che i modelli di frontiera possano risolvere compiti crittoanalitici noti e nuovi. Tuttavia, i benchmark possono diventare meno informativi quando gli sviluppatori ottimizzano direttamente su di essi.

Gruppi indipendenti dovrebbero riprodurre l'implementazione di HAWK, verificare l'analisi di complessità di AES e testare la stessa infrastruttura su schemi non ancora esaminati. Replicazioni fallite indebolirebbero l'affermazione più ampia sulle capacità.

Il successo su diversi bersagli non divulgati la rafforzerebbe. Anthropic ha menzionato risultati preliminari che riguardano LEA a round ridotti, Serpent-128, Salsa20, Poseidon e SHA-1.

Queste affermazioni aggiuntive richiedono livelli di fiducia diversi. Anthropic afferma che il suo attacco a LEA funziona end-to-end, rendendo più facile la verifica diretta.

Altri miglioramenti restano limitati o preliminari. Non dovrebbero ricevere lo stesso peso probatorio di una dimostrazione implementata di recupero della chiave.

Il lavoro su AES presenta un problema di validazione più difficile. I ricercatori possono esaminarne la derivazione e gli esperimenti computazionali, ma l'attacco completo resta impraticabile da eseguire su scala integrale.

Gli esperti devono quindi validare il ragionamento anziché limitarsi a eseguire l'intero attacco. Questo processo può rivelare ipotesi nascoste o errori di calcolo.

Un'altra incertezza riguarda l'attribuzione. Il modello ha generato le idee centrali, ma gli esseri umani hanno selezionato gli obiettivi, mantenuto l'harness, reindirizzato le ricerche fallite e preparato i paper finali.

Definire il lavoro completamente autonomo cancellerebbe questi interventi. Definirlo un normale uso di strumenti cancellerebbe la generazione indipendente di ipotesi e la sperimentazione prolungata del sistema.

“Per lo più autonomo” è la descrizione più difendibile. Riconosce una sostanziale autonomia della macchina senza fingere che la ricerca sia emersa senza scelte umane.

Anche il contesto di divulgazione conta. Anthropic controlla l'accesso a Mythos Preview perché il modello può supportare sia la ricerca difensiva sia le operazioni offensive.

Questo accesso limitato rende più difficile la valutazione indipendente. I ricercatori esterni non possono facilmente ripetere il flusso di lavoro usando lo stesso modello, le stesse impostazioni e lo stesso budget computazionale.

Mythos Preview è stato nel frattempo sostituito da Mythos 5, che Anthropic limita a partner selezionati. Il controllo dell'accesso riduce l'uso improprio immediato, ma concentra la ricerca avanzata sulla sicurezza in un piccolo gruppo.

Ciò crea un ulteriore compromesso tra sicurezza e scrutinio scientifico. Un rilascio ampio favorisce la replica, mentre un rilascio limitato riduce il numero di soggetti in grado di trasformare le scoperte in armi.

Nessuna politica di accesso risolve completamente questo conflitto. Un programma difendibile necessita di valutatori esterni fidati, ambienti di riproduzione controllati e una divulgazione dei prompt sufficiente a esaminare il processo di ricerca.

Anthropic ha compiuto passi utili pubblicando paper tecnici, codice dimostrativo per HAWK e una ricostruzione del ragionamento di Claude su AES. Questi artefatti forniscono più prove di una sola affermazione di marketing.

Tuttavia, il ragionamento ricostruito non è una pista di audit perfetta. Anthropic afferma che il documento pubblicato amplia la catena di pensiero originale del modello per migliorarne la leggibilità.

Le valutazioni future dovrebbero privilegiare registri eseguibili rispetto a trascrizioni narrative. I log dovrebbero collegare ipotesi, codice, output sperimentali e affermazioni finali senza esporre dettagli operativi pericolosi.

I crittografi avranno inoltre bisogno di sistemi migliori per il triage. Una coda contenente migliaia di paper plausibili può sopraffare una comunità anche quando la maggior parte delle proposte è errata.

I critici automatizzati possono aiutare, ma usare un modello per validarne un altro crea rischi di fallimento correlati. Restano necessari metodi formali indipendenti e revisione esperta.

La comunità di ricerca dovrebbe evitare due errori opposti. Non dovrebbe liquidare il lavoro perché l'AI ha contribuito, né trattare la matematica generata dai modelli come corretta per impostazione predefinita.

La dimostrazione HAWK è concreta. Il paper su AES è dettagliato. L'affermazione generale secondo cui i modelli di frontiera ormai eguagliano i migliori crittografi resta un'ipotesi che richiede prove più ampie.

Il vero cambiamento va dalla scarsità di scoperte alla scarsità di validazione

Anthropic Claude cambia l'economia della generazione di ipotesi crittografiche prima di cambiare la sicurezza degli algoritmi distribuiti.

Storicamente, la crittografia si è basata su una piccola comunità di specialisti per progettare schemi e attaccarli. Una revisione di alta qualità richiede anni di formazione e attenzione costante.

Questa struttura crea una distribuzione diseguale dello scrutinio. AES riceve analisi approfondite, mentre cifrari specializzati e standard regionali possono ricevere molta meno attenzione.

Anthropic sostiene che i sistemi di AI possano esaminare questa lunga coda. Se questa affermazione è corretta, algoritmi trascurati potrebbero ricevere test più approfonditi senza assegnare un intero team umano a ciascuno di essi.

Il valore difensivo è chiaro. Le organizzazioni di standardizzazione potrebbero eseguire revisioni agentiche prima di accettare nuovi schemi, quindi fornire agli specialisti risultati classificati e riproducibili.

I team di prodotto potrebbero usare sistemi simili per confrontare le proprie implementazioni con specifiche formali. Ciò combinerebbe la revisione matematica con la scoperta convenzionale di vulnerabilità.

Il rischio è altrettanto chiaro. Lo stesso flusso di lavoro può cercare debolezze nei crittosistemi distribuiti che hanno valore immediato per gli attaccanti.

I difetti crittografici differiscono dai normali bug software perché la correzione può richiedere nuovi standard, nuove chiavi, aggiornamenti hardware e lunghi periodi di migrazione. Alcuni dati storici cifrati potrebbero restare esposti anche in seguito.

I risultati attuali non creano questa crisi. Mostrano un flusso di lavoro capace di avanzare verso obiettivi sempre più difficili.

La valutazione di Anthropic su Mythos Preview dell'aprile scorso descriveva già un modello capace di scoprire e sfruttare sottili vulnerabilità software. L'azienda ha limitato l'accesso tramite Project Glasswing perché le capacità offensive e difensive si sovrappongono.

La crittoanalisi estende questa preoccupazione oltre il codice. Un'implementazione corretta non può proteggere gli utenti quando il suo algoritmo sottostante presenta una debolezza strutturale sfruttabile.

Ciò non significa che AES a piena potenza sia il prossimo bersaglio. I cifrari robusti includono ampi margini di sicurezza proprio perché i ricercatori prevedono attacchi contro varianti semplificate.

La risposta corretta è la preparazione, non il panico. Le organizzazioni dovrebbero inventariare le dipendenze crittografiche e preservare la capacità di sostituire gli algoritmi senza ricostruire interi sistemi.

Gli organismi di standardizzazione dovrebbero aggiungere l'analisi assistita dall'AI alle competizioni pubbliche, documentando al contempo come vengono verificati i risultati dei modelli. I fornitori dovrebbero evitare la crittografia proprietaria priva di una revisione esterna continuativa.

I ricercatori dovrebbero inoltre trattare la capacità di validazione come un'infrastruttura. Il calcolo può produrre più risultati candidati, ma l'attenzione umana qualificata non può crescere allo stesso ritmo.

Le università potrebbero aver bisogno di una formazione che combini crittografia classica, verifica automatizzata dei teoremi e supervisione degli agenti. I team di sicurezza avranno bisogno di revisori in grado di ispezionare sia le prove sia il codice generato.

I documenti di ricerca diventeranno sempre più importanti. I team dovranno conservare i paper, i prompt, gli esperimenti, le ipotesi scartate e le decisioni di validazione alla base di ogni conclusione.

Una base di conoscenza ricercabile può supportare questo lavoro quando conserva i documenti sorgente e collega le affermazioni alle prove. L'obiettivo è la tracciabilità, non l'accettazione automatica.

Potrebbe essere necessario adeguare anche gli incentivi alla pubblicazione. Produrre molti attacchi plausibili ha meno valore che produrne un insieme più ristretto con verifiche riproducibili.

Conferenze e gruppi di standardizzazione potrebbero richiedere che i lavori generati da macchine dichiarino budget computazionali, interventi umani, esecuzioni fallite e metodi di validazione. Questi dettagli consentirebbero confronti più equi.

I team di sicurezza dovrebbero distinguere tre livelli di evidenza.

Primo, un modello può suggerire un concetto di attacco. Si tratta di una pista di ricerca, non di una scoperta.

Secondo, il sistema può fornire un'analisi matematica ed esperimenti di supporto. Si tratta di un risultato candidato che richiede la revisione di esperti.

Terzo, i ricercatori possono implementare l'attacco dall'inizio alla fine e riprodurlo in modo indipendente. Questo offre la conferma pratica più solida.

Il lavoro su HAWK si avvicina al terzo livello. Il risultato su AES si basa maggiormente sull'analisi, poiché i requisiti computazionali completi ne impediscono l'esecuzione integrale.

Mantenere separati questi livelli evita affermazioni sensazionalistiche. Garantisce inoltre che i contributi AI realmente importanti ricevano il giusto riconoscimento.

Il più ampio contesto competitivo comprende ogni laboratorio di frontiera che sviluppa modelli con ragionamento più forte e operatività autonoma più lunga. La crittoanalisi non rimarrà una capacità esclusiva di Anthropic.

I modelli aperti potrebbero alla fine ridurre il divario, mentre sistemi di ricerca specializzati potrebbero superare i modelli generali in specifici ambiti matematici. L'accesso alla capacità di calcolo e a scaffolding di alta qualità plasmerà questa competizione.

La competizione probabile non è quindi Claude contro un singolo chatbot rivale. È tra difensori assistiti dall'AI e attaccanti assistiti dall'AI, con la velocità di verifica che determinerà chi ne trarrà per primo beneficio.

I difensori dispongono di vantaggi strutturali quando possono esaminare gli schemi prima della distribuzione e coordinare le correzioni in privato. Gli attaccanti ottengono un vantaggio quando sistemi vulnerabili rimangono esposti per anni.

I due risultati di Anthropic favoriscono il caso difensivo. HAWK è stato individuato prima della distribuzione e l'esperimento su AES ha preso di mira una variante accademica intenzionalmente indebolita.

Le scoperte future potrebbero non arrivare in momenti altrettanto favorevoli. Questa possibilità rende più urgenti i sistemi di divulgazione responsabile e l'agilità crittografica.

Cosa osservare dopo i risultati di Anthropic Claude

Tre segnali mostreranno se questa ricerca rappresenta un cambiamento duraturo nelle capacità o un'impressionante coppia di risultati isolati.

Il primo segnale è la validazione tecnica indipendente. Crittografi esterni ad Anthropic dovrebbero riprodurre l'attacco HAWK ed esaminare attentamente le ipotesi, la complessità e la novità del paper su AES.

Una conferma rafforzerebbe l'affermazione secondo cui Mythos Preview ha prodotto contributi di ricerca legittimi. Correzioni sostanziali restringerebbero il risultato ed evidenzierebbero debolezze nel processo di validazione di Anthropic.

Il secondo segnale è il trattamento riservato da NIST a HAWK. I valutatori potrebbero respingere i parametri esistenti, richiedere chiavi più grandi, incoraggiare una riprogettazione o rimuovere il candidato dalla valutazione.

Una revisione dei parametri mostrerebbe che l'attacco ha modificato la proposta senza distruggerne le fondamenta. La rimozione indicherebbe che la perdita di efficienza ha compromesso la proposta di valore di HAWK.

Il terzo segnale è la prestazione su nuovi schemi mai visti prima. Anthropic pianifica ulteriori esperimenti e il proseguimento del lavoro con CryptanalysisBench.

Progressi ripetuti su diverse strutture crittografiche sosterrebbero l'idea di una capacità di ricerca generale. Il successo soltanto su obiettivi fortemente supportati da scaffolding suggerirebbe uno strumento più circoscritto.

I lettori dovrebbero inoltre osservare il rapporto tra tempo di scoperta e tempo di validazione. Questa metrica operativa potrebbe contare più dei punteggi dei benchmark.

Se i modelli producono risultati credibili in pochi giorni mentre gli esseri umani impiegano settimane per verificarli singolarmente, le organizzazioni dovranno affrontare un crescente arretrato di revisioni. Modelli migliori da soli non lo risolveranno.

Un passaggio successivo convincente combinerebbe esperti indipendenti, verifica formale, dimostrazioni eseguibili e registri completi della ricerca. Dovrebbe inoltre riportare le esecuzioni non riuscite e l'uso totale delle risorse.

Per sviluppatori e acquirenti aziendali, da questo annuncio non consegue alcuna migrazione d'emergenza. AES-128 standard rimane integro e HAWK non è entrato in produzione.

L'azione pratica consiste nel confermare che i sistemi utilizzino algoritmi approvati a round completi, mantengano librerie aggiornate e documentino le dipendenze crittografiche. Evitate di interpretare la ricerca sui round ridotti come prova che i dati cifrati siano già esposti.

Per i ricercatori, l'opportunità è più immediata. I sistemi agentici possono esplorare più ampiamente, testare più ipotesi e preservare linee di indagine parallele.

La responsabilità è mantenere le loro affermazioni verificabili. La crittografia non può accettare un risultato soltanto perché un modello capace ha generato una matematica persuasiva.

Anthropic Claude ha fornito due seri oggetti di ricerca, non un'emergenza di sicurezza estesa a Internet. La loro importanza duratura dipende dalla replica, dalle decisioni sugli standard e dalle prestazioni oltre questi obiettivi selezionati.

La prossima domanda è pratica: gli esperti indipendenti possono verificare questi attacchi più rapidamente di quanto i sistemi di frontiera producano la serie successiva? La risposta determinerà se l'AI amplierà l'affidabilità crittografica o la sommergerà.