Anthropic Claude、新たなHAWKおよび縮小ラウンドAESへの攻撃を発見

Anthropic Claudeは、現時点で本番環境のソフトウェアや暗号化データを脅かすものではないものの、注目すべき2件の暗号攻撃を生み出した。Claude Mythos Previewは、提案中のHAWK署名方式を弱体化させるとともに、7ラウンドAES-128に対する攻撃を高速化した。

当面の状況は安心できるものだ。HAWKは公開レビューの過程にある候補であり、標準AES-128は7ラウンドではなく10ラウンドを使用する。Anthropicは、どちらの結果についても本番ソフトウェアの変更は不要だと明言している。

より根深い論点は、高度な暗号解読を誰が担い、その成果を分野全体がどれほど迅速に検証できるかにある。Anthropicによれば、そのマルチエージェントシステムは一方の成果に約60時間で到達し、もう一方は1週間以内に大部分を自律的に生み出した。AESの研究成果については、その後、人間の研究者がはるかに長い時間をかけて検証した。

この不均衡が発表の意味を変える。重要なのは、Anthropic Claudeがインターネット暗号を破ったことではない。実際には破っていない。重要なのは、専門研究者がすでに検討してきた方式に対し、AIシステムが信頼に足る数学的攻撃を生み出したことだ。

Anthropic Claudeが実際に発見したこと

この2つの成果は暗号研究を前進させるものだが、いずれも現在のインターネットセキュリティに対する実用的な攻撃には当たらない。

Anthropicは2026年7月28日、Frontier Red Teamを通じてこの研究を公表した。同社は、HAWKの鍵回復と7ラウンドAES-128に対する改良攻撃を扱う別々の技術論文を公開した。

cryptography findingsは、Anthropicが以前にMythos Previewによるものとして報告したソフトウェア脆弱性とは異なる。従来の発見の多くは、健全なアルゴリズムをソフトウェアが誤って使用する実装上の不具合だった。

今回の研究は、数学的な設計そのものを対象にしている。この違いは重要だ。実装監査と暗号解読には、異なる種類の推論が求められるためである。

実装バグには、安全でないメモリアクセス、不正な境界チェック、欠陥のある認証経路などが含まれ得る。研究者は多くの場合、コードを実行し、クラッシュや不正な操作を観察することで、こうした不具合を再現できる。

暗号解読で問われるのは、定義された数学的脅威モデルの下で、アルゴリズムが設計者の期待する安全性を提供するかどうかだ。提案される攻撃は新規性があり、内部的に整合し、既知の最良手法より低コストでなければならない。

最初の成果は、耐量子デジタル署名候補であるHAWKに関するものだ。デジタル署名により、受信者はメッセージの出所を検証し、不正な改変を検出できる。

HAWKは、将来の量子コンピューターによる攻撃への耐性を想定した追加署名方式を評価するNISTのプロセスに含まれている。インターネットで展開済みの標準ではない。

Anthropicによると、HAWKは2年間にわたる2ラウンドの専門家レビューを通過していた。その後、Mythos Previewは、この方式を支える格子構造内に未利用の数学的対称性を見いだした。

システムはこの対称性を利用し、より高速な鍵回復手法を作り出した。鍵回復とは、公開情報から秘密署名鍵を再構成しようとすることを指す。

小規模なHAWK-256のチャレンジパラメータでは、Anthropicによれば、想定される攻撃コストは2^64回の演算から2^38回へと低下した。HAWK-256は、推奨される本番用パラメータセットではなく、意図的に暗号解読の標的として含められていた。

この攻撃は依然として指数時間であり、鍵サイズに伴ってコストは急速に増大し続ける。Anthropicは、より大きなHAWKパラメータは依然として実用的に攻撃できないとしている。

ただし、意図された安全性水準を維持するには、鍵を大幅に大きくする必要がある。その変更は、HAWKの魅力だったコンパクトさと効率性を損なうことになる。

2つ目の成果は、意図的に弱体化されたAES-128に適用される。標準AES-128は10回の反復ラウンドでデータを変換する一方、この研究の対象は7ラウンドのみを用いる。

学界では、安全性マージンを測定し、より深い構造的弱点を明らかにし得る手法を開発するため、縮小ラウンド暗号を研究している。このような研究用の変種を破ったとしても、完全な暗号が破られたことを意味しない。

Mythos Previewは、中間結果を保存・照合することで計算量を削減する中間一致攻撃を改良した。同システムは、AnthropicがMöbius Bridgeと呼ぶフィンガープリント技法を設計した。

この技法は、256通りの値に関する1つの推測を不要にする。追加の計算コストを考慮した後でも、Anthropicは200倍から800倍の高速化を見積もっている。

これは劇的に聞こえるが、前提となる状況は依然として非現実的だ。この攻撃では、攻撃者が選択し、1つの未知の鍵で暗号化される入力である2^105個の選択平文へのアクセスを仮定している。

Anthropicはさらに、この縮小ラウンド攻撃を実装するだけでも、通常の攻撃者の能力をはるかに超える資源が必要になると見積もる。完全な10ラウンドAES-128は影響を受けない。

こうした制約は、見出しを扱うあらゆる記事と併記されるべきだ。この発見をAESの破り、あるいはインターネット暗号の失敗と呼ぶのは、研究内容を誤って伝えることになる。

HAWKの成果が暗号レビューに圧力をかける理由

HAWKへの攻撃が圧力をかけるのは、すでに耐量子標準を採用しているシステムではなく、人間によるレビューの速度と網羅性である。

NISTは、利用可能な設計選択肢を広げるため、追加の耐量子署名方式を募集した。公開コンペティションでは、独立した研究者が提案を精査し、その前提に異議を唱え、標準化前に危険なパラメータを特定できる。

HAWKは、そのsignature reviewの第3ラウンドに進んだ。その設計は、制約のあるハードウェアも含め、コンパクトな署名、高速な処理、控えめなメモリ要件を重視している。

直接的な鍵回復に対する安全性は、格子同型問題と呼ばれる数学的構造に依存している。この問題は、2つの格子が本質的な構造を保つ変換によって関連付けられているかを問う。

先行研究では、格子をそれ自身へ写す対称写像である有用な自己同型を見つけられれば、攻撃を支援し得ることが示されていた。未解決だったのは、HAWKの特定の構成がアクセス可能な自己同型を露出しているかどうかだった。

Anthropicによると、Mythos Previewはそのような対称性を見つけ、エンドツーエンドの検証パイプラインを構築した。結果として得られた列挙攻撃は、従来の手法より効率的に候補鍵を探索する。

このプロセスでは、エージェント型ハーネス内で複数のClaudeワーカーが使われた。エージェント型ハーネスは、モデルが長期の研究目標を追求できるよう、プロンプト、ツール、共有記録、タスク調整を組み合わせる。

ワーカーは公開研究を参照し、PythonやSageなどの計算システムを利用できた。人間のオペレーターは、プロジェクト管理と時折の非技術的な助言を提供した。

Anthropicの説明は、マルチエージェント研究に関する重要な詳細を示している。2つのワーカーが重要なアイデアを検討したが、一方はそれを早々に退けた。もう一方は探索を続け、実行可能な道筋を見つけた。

ワーカーは、両者が攻撃を受け入れるまでメッセージを交わした。これは、単一のチャットボットが答えを出すというより、並行する科学的調査に近い。

Anthropicによれば、HAWK攻撃の発見と検証には約60時間を要した。人間のオペレーターには理論計算機科学の経験があったが、格子暗号の専門知識はなかった。

同社は6月にこの攻撃をHAWKの著者と共有した。その後、関連するNISTメーリングリストと公開時期を調整した。

このプロセスは、日和見的な脆弱性開示よりも、責任ある暗号レビューに近い。HAWKは、展開前に研究者が弱点を探せるよう公開で提出されていた。

したがって、この成果はNISTのプロセスが意図どおりに機能していることを示す。候補は敵対的な精査を受け、弱点が現れ、評価者は標準を承認する前に新たな証拠を得た。

歴史は有益な比較を提供する。別の耐量子候補であるSIKEは、研究者が2022年に壊滅的な古典的攻撃を発見するまで、広範な注目に耐えていた。

この攻撃は、一般的なノートPCで秘密鍵を回復できた。SIKE failureは、新しいHAWKの成果よりはるかに深刻だったが、長期にわたる公開レビューの価値を改めて示した。

今回異なるのは、圧力の源だ。マルチエージェントAIシステムは、休むことなく文献を探索し、仮説を生成し、実験を実行し、競合するアプローチを調整できる。

だからといって、その結論が初めから信頼できるわけではない。ただし、専門家が調べる必要のある信頼性のある攻撃経路の数は増える。

そのため暗号組織に必要なのは、モデルへのアクセスだけではない。失敗した仮説を保存し、計算を再現し、先行研究と比較し、有望な発見を有資格の専門家へ回すレビュー体制が必要だ。

圧力がかかる対象は、人間による検証パイプラインである。AIシステムが、専門家が否定または確認できる速度を上回ってもっともらしい攻撃を生み出すなら、レビューの待ち行列がセキュリティ上の制約になる。

この制約は、標準化団体、学会、ベンダー、政府機関に影響する。各組織は、本物の進展と微妙な数学的誤りを見分けられる希少な専門家に依存している。

HAWKの成果は、Anthropicが攻撃をエンドツーエンドで実装したため、非常に強力な検証を提供する。研究者は鍵を選び、手法を実行し、その鍵を回復できるか観察できる。

今後のすべての成果が、このような直接試験を可能にするわけではない。漸近的な推論、複雑な確率境界、あるいは実験的な再現が難しい仮定に依存する主張もあるだろう。

AIは探索空間を広げられる。人間の組織は、それに合わせて検証空間を広げなければならない。

縮小ラウンドAESへの攻撃が示すメカニズム

AESの成果が重要なのは、完全なAES-128が安全でなくなったからではなく、Claudeが持続的な実験を通じて新たな最適化を生み出したからだ。

NISTは2001年にAES cipherを標準化した。AES-128は、置換、転置、鍵依存の演算から成る10ラウンドを各データブロックに適用する。

その長い歴史により、AESは非常に困難な研究対象となっている。暗号研究者は、AESをほぼ他のどの共通鍵暗号よりも集中的に検討してきた。

この成熟度は、研究者がラウンド数を減らした版を研究する理由でもある。縮小ラウンド分析は、追加の各ラウンドがどれほどの保護をもたらすか、新しい手法が完全な設計にどれほど迫るかを明らかにする。

AnthropicはMythos Previewに対し、7ラウンドAES-128への公表済み最強攻撃を改良するよう求めた。モデルは当初、この問題には容易な突破口がないとして抵抗した。

研究者は、エージェントが真に新しいアイデアを探し続けるようハーネスを変更した。また、Claudeがより容易な対象へ向かおうとするたびに、7ラウンドへと繰り返し戻した。

システムは調査開始から最初の3日間で数億トークンを生成した。Anthropicによれば、完全な手法を洗練する過程で最終的に10億出力トークンを生成したという。

量だけで知能や研究の質が証明されるわけではない。しかし、自動化された実験の利点の一つは明らかにする。システムは、1人の研究者には不可能な規模で、アイデアを探索し、捨て、再結合できる。

結果として得られるメビウス橋は、従来は推測が必要だった値に依存しないフィンガープリントとして機能する。不変性とは、その特定の値が変わってもフィンガープリントが有用であり続けることを意味する。

従来の研究では、256通りの値を列挙し、事前計算されたルックアップテーブルと比較する必要があった。その手順を取り除くことで、理論上は関連する作業量を256分の1に削減できる。

ただし、この新しい変換にもオーバーヘッドはある。そのためAnthropicは、研究者による実行時間の測定方法に応じて、実用上の解析性能が200倍から800倍向上したと報告している。

この攻撃は依然として中間一致攻撃（meet-in-the-middle）である。この種の手法は、両方向から値を計算して一致する内部状態を探すことで、ストレージと引き換えに速度を得る。

こうした攻撃は、暗号に単純な欠陥が露呈していなくても、総当たり攻撃を上回る可能性がある。その実用性は、データへのアクセス、メモリ要件、計算量、対象となるラウンド数に左右される。

ここで想定されているデータ要件は、2^105個の選択平文である。この規模は、現実的な収集シナリオをはるかに超える天文学的な数字だ。

また対象は、AES-128の10ラウンドのうち3ラウンドを省略している。これらの追加ラウンドにより、この手法を標準的な暗号へ拡張する難易度は大幅に高まる。

したがってAnthropicの論文は、ラウンド数を削減したAESに対する学術的攻撃の記録に寄与するものだ。犯罪者に、銀行通信、保存ファイル、私的メッセージを復号する実用的な手段を与えるものではない。

最も重要な仕組みは暗号そのものの上位にある。ある研究者が足場となる基盤を構築し、その後Claudeが自律的に仮説を提案し、検証し、批評を読み、発見をエージェント間で受け渡した。

このシステムは、1回のプロンプトに対して洗練された単一の答えを返したわけではない。複数の試行と継続的な計算支援を備え、研究組織をソフトウェアに圧縮したような形で稼働した。

このアプローチは、他の最先端研究機関が用いる手法に似ている。Google DeepMindとOpenAIはいずれも、難しい数学、アルゴリズム、科学的課題にモデル支援型の探索を適用してきた。

共通する方向性は、個別のベンチマークスコアより重要である。モデルの能力は、ツール、メモリ、検証、並列ワーカーを含む周辺システムにますます依存するようになっている。

暗号解析は、多くのアイデアを計算によって検証できるため、この構成に適している。モデルはパターンを探索し、候補となる変換を実装し、既知の結果と比較できる。

しかし暗号学は、わずかな誤りにも厳しい。見落とされた条件、控えめに記述されたデータ仮定、不正確な計算量項があれば、一見説得力のある論文でも無効になり得る。

ここに中心的なトレードオフがある。自動化された研究は候補となる発見の供給を拡大する一方、専門家による検証は依然として遅く、高コストである。

Anthropicの研究者は、この不均衡を率直に認めている。Mythos PreviewはAESの結果を導くまでに約1週間を要した一方、2人の研究者はその結果への確信を築くためにほぼ1カ月を費やした。

また、手法を評価できるだけの暗号学を学ぶために、数百時間を費やした。Anthropicは、その研究者たちが暗号学の専門家ではなかったと述べている。

この認識は、独立した査読の必要性を強める。同時にこの結果をより興味深いものにしている。なぜなら、このシステムは専門外の研究者が技術的に要求の厳しい分野へ参入する助けになったようだからだ。

次の段階では、専門家をプロセスから排除すべきではない。再現可能な成果物、構造化された推論、実行可能なテスト、先行研究との明確な比較を専門家に提供すべきだ。

主張は印象的だが、ボトルネックは検証にある

Anthropicは有意義な証拠を公開したが、専門家レベルの暗号学というより広範な主張には、依然として独立した反復検証が必要である。

最も有力な懐疑論は、2つの攻撃そのものを否定するものではない。それらが一般的な研究能力について何を立証するのかを問うものだ。

両方の標的はAnthropicの研究者が選定し、枠組みを定めた。エージェントには、関連文献、計算ツール、反復的なプロンプト、専用に構築された基盤へのアクセスが与えられた。

多くのセッションでは有用な発見に至らなかった。Anthropicの公開説明は成功した軌跡に焦点を当てており、全体的な成功率を見積もることは難しい。

このモデルには、異例なほど大きな計算資源も必要だった。10億生成トークンは、潤沢な資金を持つ研究機関にとっても通常の対話型ワークロードではない。

この規模は、人間との比較の前提を変える。問うべきなのは、Claudeの1つの回答が1人の暗号学者を上回ったかどうかではない。

公正な比較では、総計算量、人間による初期設定、プロンプトの改善、失敗した試行、検証時間、専門文献へのアクセスを考慮しなければならない。また、未見の問題における新規性も測定する必要がある。

AnthropicはETH Zurich、Tel Aviv University、TU Berlinの学術研究者と協力し、CryptanalysisBenchを作成した。このベンチマークは、標準化されたモデル評価のために暗号方式をパッケージ化している。

初期のベンチマーク結果は、最先端モデルが既知および新規の暗号解析タスクを解けることを示唆している。ただし、開発者がベンチマークに直接最適化し始めると、その情報価値は低下し得る。

独立したグループは、HAWKの実装を再現し、AESの計算量解析を検証し、未使用の方式に対して同じ基盤を試すべきだ。再現に失敗すれば、より広範な能力の主張は弱まる。

複数の非公開標的で成功すれば、その主張は強まる。Anthropicは、ラウンド数を削減したLEA、Serpent-128、Salsa20、Poseidon、SHA-1に関する予備的な結果にも言及している。

これらの追加的な主張には、異なる水準の確信が必要である。Anthropicによれば、LEAへの攻撃はエンドツーエンドで動作しており、直接的な検証は容易だ。

他の改善は限定的、または予備的な段階にとどまる。実装済みの鍵復元デモンストレーションと同じ証拠上の重みを与えるべきではない。

AESの研究は、より難しい検証課題を提示する。研究者はその導出と計算実験を精査できるが、完全な攻撃を実行することは、依然としてフルスケールでは非現実的だ。

したがって専門家は、攻撃全体を単に実行するのではなく、推論を検証しなければならない。その過程で、隠れた仮定や計上ミスが明らかになる可能性がある。

別の不確実性は著者性に関するものだ。モデルは中心となるアイデアを生成したが、人間は目標を選び、実行環境を維持し、失敗した探索を方向転換させ、最終論文を作成した。

この研究を完全に自律的と呼べば、そうした介入を消し去ることになる。一般的なツール利用と呼べば、システムによる独立した仮説生成と長期的な実験を消し去ることになる。

「大部分が自律的」という表現の方が、より擁護しやすい。人間の選択なしに研究が生まれたかのように装うことなく、実質的な機械の主体性を認める表現だからだ。

情報公開の環境も重要である。Anthropicは、Mythos Previewが防御的研究と攻撃的作戦の双方を支援し得るため、そのアクセスを管理している。

この制限付きアクセスにより、独立した評価は難しくなる。外部の研究者は、同じモデル、設定、計算予算を使ってワークフローを容易には再現できない。

Mythos Previewはその後Mythos 5に引き継がれ、Anthropicはその利用を審査済みのパートナーに限定している。アクセス制御は即時の悪用を減らすが、高度なセキュリティ研究を少数の集団に集中させる。

ここには、安全性と科学的検証の間の別のトレードオフが生じる。広範な公開は再現を支援する一方、制限付き公開は発見を兵器化できる主体の数を減らす。

どのアクセス方針も、この対立を完全には解消できない。擁護可能なプログラムには、信頼できる外部評価者、管理された再現環境、研究プロセスを検討するのに十分な公開が必要だ。

Anthropicは、技術論文、HAWK向けのデモンストレーションコード、ClaudeのAES推論を再構成した説明を公開することで、有用な措置を講じた。これらの成果物は、単なるマーケティング上の主張より多くの証拠を提供する。

それでも、再構成された推論は完全な監査証跡ではない。Anthropicは、公開文書が可読性のためにモデル本来の思考連鎖を拡張したものだと述べている。

将来の評価では、物語的な記録よりも実行可能な記録を重視すべきだ。ログは、危険な運用上の詳細を明かすことなく、仮説、コード、実験出力、最終的な主張を結び付けるべきである。

暗号学者には、トリアージのためのより優れたシステムも必要になる。もっともらしい論文が数千本並ぶキューは、たとえ大半の投稿が誤りであっても、コミュニティを圧倒し得る。

自動化された批評者は役立つ可能性があるが、あるモデルで別のモデルを検証すると、相関した失敗のリスクが生じる。独立した形式手法と専門家の査読は依然として必要だ。

研究コミュニティは、両極端の誤りを避けるべきである。AIが貢献したからといって研究を退けるべきではなく、モデル生成の数学を初めから正しいものとして扱うべきでもない。

HAWKのデモンストレーションは具体的である。AES論文は詳細だ。最先端モデルが現在、トップレベルの暗号学者に匹敵するという一般的な主張は、より幅広い証拠を必要とする仮説であり続ける。

本当の変化は、発見の希少性から検証の希少性への移行だ

Anthropic Claudeは、導入済みアルゴリズムの安全性を変える前に、暗号学的仮説を生み出す経済性を変える。

暗号学は歴史的に、方式を設計し攻撃する少数の専門家コミュニティに依存してきた。高品質な査読には、長年の訓練と持続的な注意が求められる。

この構造は、精査の偏在を生む。AESは広範な分析を受ける一方、特化型暗号や地域標準ははるかに少ない検討しか受けない場合がある。

Anthropicは、AIシステムがこのロングテールを調査できると主張する。この主張が成り立つなら、見過ごされてきたアルゴリズムも、それぞれに人間チームを丸ごと配置することなく、より深い検証を受けられる可能性がある。

防御面での価値は明白だ。標準化団体は新しい方式を採用する前にエージェント型のレビューを実行し、その後、優先順位付けされ再現可能な知見を専門家に提供できる。

プロダクトチームは、同様のシステムを用いて、自らの実装を形式仕様と比較できる。これにより数学的レビューと従来型の脆弱性発見を組み合わせられる。

リスクも同様に明白である。同じワークフローは、攻撃者にとって即座に価値を持つ弱点を、導入済みの暗号システムから探索できる。

暗号上の欠陥は通常のソフトウェアバグと異なる。対処には新しい標準、新しい鍵、ハードウェア更新、長期にわたる移行期間が必要となる可能性がある。一部の過去の暗号化データは、その後も危険にさらされたままとなり得る。

現在の発見は、その危機を生み出すものではない。むしろ、より困難な標的へ向かって進み得るワークフローを示している。

AnthropicによるMythos Previewの4月評価では、微妙なソフトウェア脆弱性を発見・悪用できるモデルがすでに記述されていた。同社は、攻撃的能力と防御的能力が重なり合うため、Project Glasswingを通じてアクセスを制限した。

暗号解析は、この懸念をコードの外へ広げる。基盤となるアルゴリズムに悪用可能な構造上の弱点があれば、正しい実装でもユーザーを守ることはできない。

だからといって、次にフル強度のAESが標的になるわけではない。強力な暗号には、研究者が単純化した変種への攻撃を予想しているからこそ、十分な安全余裕が設けられている。

正しい対応は、パニックではなく備えである。組織は暗号依存関係を棚卸しし、システム全体を作り直すことなくアルゴリズムを置き換えられる能力を維持すべきだ。

標準化団体は、モデルの発見がどのように検証されたかを文書化しつつ、公開コンペティションにAI支援分析を加えるべきである。ベンダーは、継続的な外部レビューを欠く独自暗号を避けるべきだ。

研究者も、検証能力をインフラとして扱うべきである。計算資源は候補結果を増やせるが、資格を持つ人間の注意は同じ速度では拡張できない。

大学では、古典的暗号学、自動定理検証、エージェント監督を組み合わせた訓練が必要になるかもしれない。セキュリティチームには、証明と生成コードの両方を精査できるレビュアーが必要になる。

研究記録はますます重要になる。チームは、各結論の背景にある論文、プロンプト、実験、棄却された仮説、検証上の判断を保持しなければならない。

検索可能なナレッジベースは、一次資料を保持し、主張を根拠と結び付けることで、この作業を支援できる。目的はトレーサビリティであり、自動的な受容ではない。

出版に関するインセンティブも見直す必要があるかもしれない。もっともらしい攻撃を多数生み出すことよりも、再現可能な検証を伴う少数の攻撃を示す方が価値を持つ。

学会や標準化団体は、機械生成の作業について、計算予算、人間の介入、失敗した実行、検証手法の開示を求めることができる。こうした詳細があれば、より公平な比較が可能になる。

セキュリティチームは、3つの証拠レベルを区別すべきだ。

第一に、モデルが攻撃の概念を提案する場合がある。それは研究の手がかりであり、発見ではない。

第二に、システムが数学的分析とそれを裏付ける実験を提示する場合がある。これは専門家のレビューを要する候補結果だ。

第三に、研究者が攻撃をエンドツーエンドで実装し、独立して再現する場合がある。これは実務上、最も強い確認を提供する。

HAWKの研究は第三のレベルに近い。AESの結果は、完全な計算要件のために全工程を実行できないことから、分析への依存度がより高い。

これらのレベルを分けて扱うことで、扇情的な主張を防げる。また、本当に重要なAIの貢献が適切に評価されることにもつながる。

より広い競争環境には、より強い推論能力とより長い自律運用を備えたモデルを開発する、あらゆる最先端ラボが含まれる。暗号解読はAnthropicだけの能力にとどまらない。

オープンモデルがいずれ差を縮める可能性がある一方、特化型の研究システムは、選定された数学分野で汎用モデルを上回る可能性がある。計算資源と高品質なスキャフォールドへのアクセスが、この競争を左右する。

したがって、想定される競争はClaudeと一つの競合チャットボットとの対決ではない。検証速度が先に利益を得る側を決める、AI支援の防御側とAI支援の攻撃側の競争である。

防御側は、導入前に方式をレビューし、修正を非公開で調整できる場合に構造的な優位を持つ。脆弱なシステムが何年も公開されたままであれば、攻撃側が優位に立つ。

Anthropicの2つの結果は、防御側に有利なケースを示している。HAWKは導入前に捕捉され、AESの実験は意図的に弱められた学術的な亜種を対象とした。

将来の発見が、これほど都合のよいタイミングで現れるとは限らない。その可能性により、責任ある開示制度と暗号アジリティの重要性はさらに増している。

Anthropic Claudeの発見後に注目すべき点

この研究が持続的な能力転換を示すのか、それとも印象的だが孤立した2つの結果にとどまるのかを判断するには、3つのシグナルがある。

第一のシグナルは、独立した技術検証だ。Anthropic外の暗号研究者はHAWK攻撃を再現し、AES論文の前提、計算量、新規性を詳細に検討すべきである。

確認されれば、Mythos Previewが正当な研究上の貢献を生み出したという主張は強まる。重大な修正が加われば、結果の範囲は狭まり、Anthropicの検証プロセスにおける弱点が明らかになる。

第二のシグナルは、NISTによるHAWKの扱いだ。評価者は現行パラメータを却下し、より大きな鍵を要求し、再設計を促す、あるいは候補から除外する可能性がある。

パラメータの改訂は、攻撃が提案を変えたものの、その基盤を破壊していないことを示す。除外は、効率性の低下がHAWKの価値提案を損なったことを示すだろう。

第三のシグナルは、新しい未知の方式での性能だ。Anthropicは、さらなる実験とCryptanalysisBenchとの継続的な取り組みを計画している。

異なる暗号構造にまたがる繰り返しの進展は、汎用的な研究能力を裏付ける。強くスキャフォールドされた標的でのみ成功するなら、より限定的なツールであることを示唆する。

読者は、発見に要する時間と検証に要する時間の比率にも注目すべきだ。この運用上の指標は、ベンチマークスコアより重要になる可能性がある。

モデルが数日で信頼できる発見を生み出す一方、人間が一つひとつの検証に数週間を要するなら、組織は増大するレビューの滞留に直面する。より優れたモデルだけでは解決できない。

説得力のある次の一歩は、独立した専門家、形式検証、実行可能なデモンストレーション、完全な研究ログを組み合わせることだ。また、成功しなかった実行と総リソース使用量も報告すべきである。

開発者とエンタープライズ購入者にとって、この発表に伴う緊急移行はない。標準的なAES-128は依然として健全であり、HAWKは本番環境に導入されていない。

実務上の対応は、システムが承認済みのフルラウンドアルゴリズムを使用していることを確認し、ライブラリを最新に保ち、暗号依存関係を文書化することだ。ラウンド数を削減した研究を、暗号化データがすでに露出している証拠と解釈することは避けるべきである。

研究者にとっては、より直接的な機会がある。エージェント型システムは、より広範に探索し、より多くの仮説を検証し、並行する探究の筋道を保持できる。

責任は、その主張を監査可能な状態に保つことにある。暗号学は、能力の高いモデルが説得力のある数学を生成したというだけで、結果を受け入れることはできない。

Anthropic Claudeが提示したのは、インターネット全体に及ぶセキュリティ緊急事態ではなく、2つの重大な研究対象である。その持続的な重要性は、再現、標準化における判断、そして選定された標的を超えた性能に左右される。

次の問いは実務的だ。独立した専門家は、最先端システムが次の攻撃群を生み出すより速く、これらの攻撃を検証できるのか。その答えが、AIが暗号保証を拡大するのか、それとも圧倒するのかを決める。