Claude가 암호학적 약점을 찾아내며 새로운 시험대에 오른 Amazon Anthropic 파트너십

Amazon Anthropic 파트너 연구진은 Claude Mythos Preview가 처음에는 더 어려운 대상은 거의 불가능하다고 주장했음에도 새로운 암호학적 공격 두 가지를 찾아냈다고 밝혔다. 이 결과는 HAWK와 AES-128의 7라운드 연구용 버전에 영향을 미친다. 어느 공격도 실제 운영 시스템을 위협하지는 않지만, AI가 고급 수학 연구에 기여하는 방식에 대한 가정에는 모두 도전한다.

가장 많은 것을 보여주는 세부 사항은 공격 속도나 컴퓨팅 예산이 아니었다. 모델이 인간 운영자에게 얼마나 많은 끈기를 요구했는지였다. Claude는 더 쉬운 문제를 반복해서 시도하고, 유망한 경로를 일축하며, 대상을 바꾸자고 제안했다. 연구진은 계속해서 논문으로 발표할 수 있는 결과를 향하도록 이끌었다.

이 상호작용이 이 사안의 실질적인 경쟁 구도를 정의한다. 핵심 비교 대상은 단순히 Claude와 인간 암호학자가 아니다. 지속적이고 체계적으로 지원된 AI 연구와, 생산적이지 않아 보이는 작업을 포기하려는 모델의 경향 사이의 대결이다. 발견은 양측 모두에 의존했으며, 인간의 검증에는 기계 탐색보다 훨씬 더 긴 시간이 걸렸다.

Claude는 두 가지 공격을 찾아냈지만, 실제 배포된 암호를 깨지는 못했다

Claude Mythos는 현재 제품에 사용되는 암호를 훼손하지 않으면서도 유의미한 연구 성과를 냈다.

Anthropic은 2026년 7월 28일 이 결과를 발표했다. Anthropic의 암호학 연구는 HAWK에 대한 개선된 키 복구 공격과 7라운드 AES-128에 대한 더 빠른 공격을 설명한다.

HAWK는 포스트 양자 디지털 서명 제안이다. 디지털 서명은 시스템이 발신자의 신원을 검증하고 정보가 변경되지 않았음을 확인하도록 한다. 포스트 양자 체계는 미래의 양자 컴퓨터에 맞서도 이러한 보장을 유지하는 것을 목표로 한다.

미국 국립표준기술연구소(NIST)는 2022년 추가 포스트 양자 서명 알고리즘을 모집하기 시작했다. HAWK는 약 2년에 걸쳐 앞선 두 라운드를 통과한 뒤, 이 공개 검토 절차의 3라운드에 진출했다.

Mythos는 HAWK의 기반 격자에서 이전에는 사용되지 않았던 대칭성을 찾아냈다. 격자는 어려운 계산 문제가 암호학적 보안을 제공할 수 있는 구조화된 수학적 격자다. 비자명 자기동형사상이라고 불리는 이 대칭성은 비밀 키를 더 빠르게 탐색할 수 있게 한다.

Anthropic에 따르면 이 결과는 HAWK의 실질적인 키 강도를 대략 절반으로 낮춘다. 더 작은 HAWK-256 매개변수 세트의 경우, 전체 키 복구에 필요한 추정 작업량은 2^64회 연산에서 2^38회로 떨어졌다.

그렇다고 모든 HAWK 구성이 이제 쉽게 공격할 수 있다는 뜻은 아니다. 더 큰 키에는 여전히 현실성이 없는 지수적 탐색이 필요하다. 이 공격은 HAWK에 특화돼 있으며, 다른 포스트 양자 서명 후보나 격자 암호 전반을 약화하지 않는다.

그러나 HAWK가 의도한 보안을 유지하려면 훨씬 더 큰 키가 필요하다. 그러한 변화는 이 제안을 매력적으로 만들었던 효율성을 약화할 것이다. 따라서 HAWK가 아직 실제 운영 환경에 도입되지 않았더라도, 이 공격은 표준 선정에 중요하다.

두 번째 발견은 NIST가 2001년 채택한 Advanced Encryption Standard, 즉 AES에 관한 것이다. AES-128은 10회의 반복 변환 라운드를 적용해 데이터를 보호한다. 각 라운드는 평문, 키, 암호화 출력 간의 관계를 한층 더 흐린다.

Claude는 그 10라운드를 공격하지 않았다. 연구자들이 전체 암호의 안전 여유를 측정하기 위해 사용하는, 의도적으로 약화된 7라운드 버전을 공격했다.

이 구분은 결정적이다. 축소 라운드 암호해석은 공격 기법이 암호의 완전한 설계에 도달하기 전에 진전을 보이기 시작하는지 시험한다. 이는 다리가 무너졌음을 보여주는 것이 아니라, 다리의 일부에 스트레스 테스트를 하는 것과 비슷하다.

이 공격은 또한 2^105개의 선택 평문에 접근할 수 있다고 가정한다. 선택 평문 모델에서 공격자는 입력을 선택하고, 알 수 없는 고정 키로 암호화된 그 출력값을 받는다. 이 데이터 요구량만으로도 이 실험은 실제로 불가능하다.

Anthropic은 이론적 공격을 구현하더라도 수억 달러가 필요할 것으로 추정한다. 완전한 AES-128은 여전히 공격 범위 밖에 있다.

이러한 한계 때문에 Anthropic은 어떤 운영 소프트웨어도 변경할 필요가 없다고 밝혔다. 또한 Claude가 “AES를 깼다”는 극적이지만 부정확한 결론을 막아준다.

변화한 것은 더 좁은 범위이면서도 더 흥미로운 부분이다. AI 시스템이 집중적으로 연구된 두 대상에 대한 본격적인 암호해석 연구를 확장했다. 한 결과는 표준 후보에 실질적인 타격을 줬고, 다른 하나는 고전적 연구 문제에 대한 최고 수준의 알려진 방법을 개선했다.

이 조합은 HAWK 설계자들을 훨씬 넘어서는 압박을 만든다. 표준화 기구, 모델 개발사, 클라우드 제공업체, 보안팀은 이제 AI가 생성한 발견을 어떻게 만들어내고, 검증하고, 공개할지 결정해야 한다.

이 사안에서 Amazon Anthropic 관계가 중요한 이유

이 실험은 프런티어 모델 인프라를 단순한 챗봇 운영 수단이 아니라 암호학 연구 과정의 일부로 만든다.

Amazon은 두 논문의 저자가 아니며, AWS도 이 공격을 발표하지 않았다. 연구는 Claude Mythos Preview를 사용한 Anthropic 연구진이 수행했다. 그럼에도 Amazon Anthropic 관계는 중요한 상업적·인프라적 맥락을 제공한다.

Amazon은 소수 지분을 유지하면서 Anthropic에 총 80억 달러를 투자했다. Anthropic은 또한 AWS를 주요 클라우드 및 학습 파트너로 지목한다. Claude 모델은 Amazon Bedrock을 통해 기업 고객에게 제공된다.

이 파트너십은 모델 역량, 특수 컴퓨팅 인프라, 기업 배포를 연결한다. Anthropic은 Trainium 가속기 및 관련 소프트웨어 분야에서 AWS와 협력하고, Amazon은 자사 클라우드 플랫폼을 위한 주요 모델 제공업체를 확보한다.

최신 암호학 연구는 집약적인 추론이 무엇을 지원할 수 있는지 보여준다. 각 주요 결과에는 API 사용량으로 추정 10만 달러가 소요됐다. Anthropic에 따르면 AES 프로젝트는 결국 10억 개의 출력 토큰을 생성했다.

이 수치는 일반적인 기업 워크로드를 설명하지 않는다. 수많은 에이전트, 가설, 실험, 비평, 실패 경로에 걸쳐 대규모 컴퓨팅을 사용하는 연구 패턴을 보여준다.

Amazon에 중요한 질문은 고객이 일반적인 Bedrock 프롬프트를 통해 이 정확한 실험을 재현할지 여부가 아니다. Mythos Preview는 일반적으로 제공되지 않으며, Anthropic은 사이버보안 역량 때문에 접근을 제한했다.

문제는 클라우드 인프라가 자동화 연구의 핵심 투입 요소가 되는지 여부다. 유용한 발견에 지속적인 다중 에이전트 작업, 반복 실험, 막대한 토큰 예산이 필요하다면 컴퓨팅 제공업체는 이 워크플로에서 전략적 위치를 차지하게 된다.

따라서 Amazon의 Anthropic 투자는 이 관점에서 다르게 보인다. 이 파트너십은 일반 보조 도구를 호스팅하는 데 그치지 않는다. 모델이 기술 문헌을 탐색하고, 수학 도구를 운용하며, 독창적인 아이디어를 시험하는 실험에 AWS를 가까이 둔다.

그 기회에는 책임도 따른다. 더 많은 컴퓨팅은 방어 연구자가 소홀히 다뤄진 알고리즘을 조사할 수 있게 한다. 모델이나 동등한 역량이 확산될 경우, 같은 확장은 공격적 분석을 가속할 수 있다.

Anthropic은 앞서 Mythos가 주요 운영체제와 브라우저 전반에서 소프트웨어 취약점을 찾아내고 악용할 수 있다고 밝혔다. 암호 설계 연구는 이 질문을 프로그래밍 오류에서 수학 자체의 약점으로 옮긴다.

구현 버그에는 구체적인 검증 도구가 있다. 충돌하는 프로그램, 새니타이저 보고서 또는 작동하는 익스플로잇이 객관적인 결과를 제공할 수 있다. 새로운 암호해석은 정확성이 수학적 가정, 기존 문헌, 정밀한 복잡도 추정에 달려 있어 더 어렵다.

이 때문에 인간 검토는 덜 중요한 것이 아니라 더 중요해진다. 또한 비용 구조의 예측 가능성도 낮아진다. 모델은 자격 있는 전문가가 이를 반박하는 속도보다 더 빠르게 수백 개의 그럴듯한 아이디어를 생성할 수 있다.

기업 구매자는 이 실험을 보안 결정을 모델에 위임해도 된다는 허가로 해석해서는 안 된다. 대신 이는 왜 출처 정보, 실험 로그, 인간 검토가 모든 중대한 주장에 계속 연결돼 있어야 하는지를 보여준다.

엔지니어링 팀은 이미 복잡한 결정의 맥락을 보존하는 데 어려움을 겪고 있다. 에이전트가 검토자가 추적해야 하는 수천 개의 중간 산출물을 생성할 때, 검색 가능한 지식 기반의 중요성은 더욱 커진다.

따라서 인프라 경쟁에는 검증 경쟁이 뒤따른다. AWS, Anthropic 및 기타 모델 플랫폼은 후보 발견의 양을 늘릴 수 있다. 희소한 자원은 발표 가능한 결과와 자신감 넘치는 수학적 잡음을 구분할 수 있는 전문가의 주의력이 된다.

핵심 메커니즘은 완벽한 프롬프트 하나가 아니라 끈기였다

Claude의 결정적인 강점은 인간이 더 쉬운 작업을 중심으로 과제를 재정의하지 못하게 막은 뒤에야 나타났다.

HAWK 프로젝트에서 Mythos는 에이전트형 하니스 안에서 반자율적으로 작동했다. 하니스는 프롬프트, 도구, 메모리, 코드를 결합해 모델이 한 번 답변하는 데 그치지 않고 더 긴 목표를 추구하도록 한다.

이 환경은 Claude Code와 유사했으며 여러 작업 에이전트를 지원했다. 이 에이전트들은 공개된 논문을 참고하고 Python 및 기호·수학 계산 시스템인 Sage 같은 계산 도구를 사용할 수 있었다.

인간 운영자는 이론 컴퓨터 과학 경험이 있었지만 격자 암호학 전문가는 아니었다. 인간의 지침은 주로 아이디어 추적과 검증 라이브러리 선택 같은 연구 관리에 집중됐다.

두 작업자가 핵심적인 HAWK 방향을 찾아냈다. 한 명은 이를 성급하게 기각했지만, 다른 한 명은 더 발전시켰다. 계속된 교류 끝에 두 작업자는 결국 실행 가능한 공격을 인식하게 됐다.

HAWK의 전체 발견 및 검증 과정에는 약 60시간이 걸렸다. Mythos는 문헌 검토를 수행하고, 수학을 탐구하며, 계산 실험을 실행하고, 엔드투엔드 검증 파이프라인을 구축했다.

AES 과정은 더욱 뚜렷한 역할 분담을 보여준다. Anthropic 연구자는 Claude가 가설을 제안하고, 이를 시험하고, 실패를 기각하며, 계속 탐색할 수 있도록 하는 스캐폴드를 구축했다. 과제는 공개된 최고 수준의 공격을 개선하는 것이었다.

Claude는 처음에는 저항했다. 축소 라운드 AES는 너무 철저히 연구됐다고 주장하며, 다른 결과를 원한다면 다른 대상을 택해야 한다고 제안했다. 이 반응은 대화 수준에서는 합리적이었지만 독창적 연구에는 도움이 되지 않았다.

인간 운영자는 점점 더 직접적인 지시로 응답했다. 메시지는 모델이 새로운 공격을 찾고, 7라운드 AES-128을 유지하며, 가치가 낮은 발견을 피해야 한다는 점을 강조했다. Anthropic은 철자와 문법 오류를 그대로 둔 채 프롬프트를 공개했다.

Simon Willison은 자신의 프롬프트 분석에서 이 메시지들을 조명했다. 그 중요성은 표현 자체가 아니라, 에이전트 행동에 관해 드러내는 내용에 있다.

프롬프트는 전문 암호학 지식을 거의 제공하지 않았다. 대신 야심, 대상의 안정성, 더 많은 노력을 투입할 수 있는 권한을 제공했다. 모델은 이미 기술 문헌, 도구, 이전 에이전트 출력에 접근할 수 있었다.

그 지시를 받은 뒤 Mythos는 사흘 동안 수억 개의 토큰을 생성했다. 결국 이전 공격에서 비용이 큰 추측 하나를 제거하는 지문 식별 기법인 Möbius Bridge를 제안했다.

중간자 공격은 두 방향에서 계산을 수행하고 중간 상태를 일치시키는 방식으로 시간을 절약한다. 일반적으로 실행 시간을 줄이는 대신 대규모 계산 결과 테이블을 저장해야 한다.

기존의 7라운드 AES 기법은 한 단계에서 가능한 값 256개를 열거한 뒤 테이블과 대조해야 했다. Mythos는 이 추측과 무관하게 변하지 않는 지문을 구성해 열거 과정을 없앴다.

새 변환을 계산하려면 추가 작업이 필요했다. 이후 Claude는 그 비용을 상쇄하기 위한 추가 최적화를 개발했다. Anthropic은 측정 방식에 따라 결합된 기법이 200배에서 800배 더 빠르게 작동한다고 추정한다.

이것이 이 결과의 핵심 메커니즘이다. Claude는 영리한 질문에 완성된 공격으로 답한 것이 아니다. 인간이 더 쉬운 출구를 반복해서 차단한 뒤에야 유용한 방향이 드러난 대규모 탐색 과정을 운영했다.

이를 “프롬프트 엔지니어링”이라고 부르는 것은 이 워크플로를 축소하는 표현이다. 연구진은 목표를 설정하고, 표적을 유지하며, 연산 자원을 배분하고, 중간 작업을 보존했으며, 검증을 요구했다. 이는 연구 관리의 기능이다.

이 과정은 지능적인 모델에 별도의 독려가 필요 없다는 생각에도 도전한다. 프런티어 모델은 유용한 응답을 생성하도록 최적화되어 있으며, 유명한 문제가 어렵다고 선언하는 것은 책임감 있는 태도처럼 들릴 수 있다. 연구에는 사회적으로 용인되는 그 답변 이후에도 계속 나아가는 일이 필요하다.

이는 미묘한 평가 문제를 낳는다. 모델은 발견에 필요한 구성 요소를 갖추고도 충분한 노력을 배분하지 않아 실패할 수 있다. 표준 벤치마크는 대개 하나의 제한된 실행 안에서 고정된 문제를 푸는지 측정한다.

장기 실행 연구 에이전트는 다르게 작동한다. 그 출력은 지원 구조, 병렬 작업자, 도구 접근성, 컨텍스트 관리, 피드백, 실패한 시도를 위한 예산에 좌우된다. 역량은 부분적으로 모델을 둘러싼 시스템에 속한다.

AES 결과는 의지가 강한 사용자라면 누구나 짧은 프롬프트를 통해 최정상급 암호 분석을 수행할 수 있음을 보여주지 않는다. 이는 지속적인 오케스트레이션이 초기의 비관론에 가려진 모델 역량을 드러낼 수 있음을 보여준다.

인간 검증이 진정한 병목이 되었다

모델은 Anthropic 팀이 해당 연구가 정확하고, 새롭고, 유용하다는 점을 입증할 수 있는 속도보다 더 빠르게 연구를 생성했다.

Anthropic에 따르면 Mythos는 약 일주일 만에 개선된 AES 공격을 고안했다. 이후 두 명의 연구자가 결과에 확신을 갖는 데 거의 한 달을 보냈다.

회사는 또 이 연구자들이 주장을 검증하고 논문을 준비할 만큼의 암호학 지식을 익히는 데 수백 시간을 투입했다고 밝혔다. Anthropic은 이들이 암호학 전문가는 아니었다고 명시적으로 언급한다.

이 공개 내용은 공격 자체만큼 주목할 가치가 있다. 모델이 방정식, 코드, 권위 있어 보이는 설명을 제시한다고 해서 수학 연구가 신뢰할 수 있게 되는 것은 아니다. 검토자는 모든 가정을 검증하고, 그 방법을 수십 년간의 선행 연구와 비교해야 한다.

HAWK는 더 구체적인 검증 경로를 제공했다. 팀은 키 복구 기법을 처음부터 끝까지 구현하고, 선택한 키를 실제로 복구하는지 확인할 수 있었다. 이 때문에 이 결과는 방대하고 이론적인 AES 공격보다 시험하기 쉽다.

AES의 경우 누구도 명시된 자원 가정 아래 완전한 공격을 실행할 수 없다. 따라서 검토는 알고리즘의 정확성을 증명하고, 복잡도를 점검하며, 더 작은 구성 요소를 실험적으로 검증하는 데 의존한다.

Anthropic은 학계 전문가들과 협의하고, 6월에 HAWK 결과를 설계자들과 공유했으며, NIST 메일링 리스트를 통해 공개를 조율했다고 밝혔다. 또한 공개 전에 미국 정부 및 업계 파트너들에게 사전 설명을 제공했다.

이런 조치는 명백한 오류가 발생할 가능성을 낮춘다. 하지만 더 폭넓은 동료 검토를 대체하지는 않는다. 이제 두 편의 논문과 관련 코드는 독립 암호학자들이 주장에 이의를 제기할 기회를 제공한다.

암호학 검토의 공개성은 중요하다. 보안은 보통 결과를 발표하는 조직에 대한 신뢰가 아니라 반복적인 적대적 분석에서 나온다. 전문가들은 추론을 재현하고 숨은 가정을 찾아내려 시도해야 한다.

CyberScoop은 Keyfactor 임원 Ellen Boehm이 이 발견을 양자내성 평가 절차가 작동하고 있다는 증거로 봤다고 보도했다. 후보 알고리즘이 공개 경쟁에 참여하는 이유는 바로 배포 전에 연구자들이 약점을 찾을 수 있게 하기 위해서다.

이 해석은 HAWK에서 잘못된 교훈을 얻는 일을 막는다. 그 좌절이 양자내성 표준화의 실패를 뜻하는 것은 아니다. 이는 공개 후보가 인프라가 되기 전에 엄격한 시험을 받았다는 뜻이다.

NIST 경쟁의 역사는 이 견해를 뒷받침한다. 이전 양자내성 후보인 SIKE는 연구자들이 노트북에서 실행되는 치명적인 공격을 발견하기 전까지 수년간의 검토를 견뎠다.

AI는 새로운 적대적 압력의 원천을 더한다. 표준화 기구는 모델을 활용해 더 많은 구조를 시험하고 더 많은 변형을 탐색할 수 있다. 설계자들 역시 제안을 제출하기 전에 같은 기법을 실행할 수 있다.

그러나 탐색 역량이 커지면 대기열 문제가 생긴다. 모델이 전문가들이 평가할 수 있는 속도보다 훨씬 빠르게 공격을 생성하면 적체가 커진다. 잘못된 결과는 수개월의 관심을 소모할 수 있고, 진짜 발견은 눈에 띄지 않은 채 기다릴 수 있다.

모델은 자신의 잘못된 가정을 확인하는 테스트를 작성해 검증된 것처럼 보이는 잘못된 인상을 만들 수도 있다. 내부 일관성은 정확성과 같지 않으므로 독립 구현과 검토자는 여전히 필요하다.

Amazon과 Anthropic의 파트너십은 모델 확장과 더 긴 에이전트 세션 제공이 상류의 흐름을 늘리기 때문에 이 병목과 맞닿아 있다. 인프라는 학계 공동체가 자격 있는 검토자를 늘릴 수 있는 속도보다 더 빠르게 후보 결과물을 늘릴 수 있다.

적절한 대응은 모든 자동화 탐색을 억제하는 일이 아니다. 그와 나란히 검토 시스템을 구축하는 일이다. 이런 시스템에는 완전한 로그, 재현 가능한 코드, 명시적인 위협 모델, 버전 관리되는 문헌, 인간 개입에 대한 명확한 기록이 필요하다.

CryptanalysisBench는 모델 성능을 더 측정 가능하게 만들려는 한 시도다. Anthropic은 학계 연구자들과 함께 이 벤치마크를 만들어, 서로 다른 모델이 시도할 수 있는 형태로 암호학 문제를 구성했다.

벤치마크는 여전히 전체 그림의 일부만 포착할 것이다. Anthropic의 가장 강력한 결과는 집요한 인간이 Claude가 표적을 바꾸지 못하게 한 데 달려 있었다. 따라서 평가 설계는 자율 작업뿐 아니라 현실적인 연구 감독 아래에서의 성능도 측정해야 한다.

이 결과가 증명하지 않는 것

이 공격들은 연구할 만큼 신뢰할 수 있지만, Claude가 현대 암호화를 해독했거나 암호학자를 대체했다는 주장을 뒷받침하기에는 지나치게 제한적이다.

첫 번째 한계는 실질적 영향이다. HAWK는 배포된 표준이 아니라 후보 알고리즘이다. 7라운드 AES는 의도적으로 약화한 연구 대상이다. 완전한 AES-128은 10라운드를 사용하며 여전히 영향을 받지 않는다.

두 번째 한계는 계산 가능성이다. AES 공격은 2^105개의 선택 평문을 가정하는데, 이는 어떤 현실적인 환경에서도 수집할 수 있는 규모를 훨씬 넘는 데이터다. 200배에서 800배의 개선은 불가능한 공격을 실용적인 공격으로 바꾸지 않는다.

세 번째 한계는 자율성에 관한 것이다. Mythos는 기술적 탐색의 대부분을 독립적으로 수행했지만, 사람들은 표적을 선택하고, 지원 구조를 구축하며, 진행 상황을 모니터링하고, 모델의 방향을 재조정했으며, 출력을 검증했다.

이 작업을 완전히 자율적이었다고 설명하면 그러한 기여를 지우게 된다. 반대로 이를 AI가 작성한 인간의 발견에 불과하다고 설명하는 것 역시 부정확하다. 유용한 분석 단위는 결합된 연구 시스템이다.

네 번째 한계는 외부 검증이다. Anthropic은 논문, 코드, 일부 추론 산출물을 공개했지만, 더 넓은 암호학 공동체는 이제 막 이를 검토하기 시작했다. 독립 검토가 주장된 모든 개선이 엄밀한 검증을 견디는지 결정할 것이다.

공개된 추론 자료 역시 모든 내부 토큰을 빠짐없이 기록한 것은 아니다. Anthropic에 따르면 이 문서는 하나의 성공적인 세션을 더 읽기 쉽게 설명하기 위해 Claude가 다시 작성했다. 다른 많은 세션에서는 발견이 나오지 않았다.

이 선택은 성공 경로를 이해하는 데는 유용하지만, 성공률을 추정하는 데는 더 약한 근거가 된다. 독자는 비슷한 지출이 얼마나 자주 출판 가능한 연구를 만들어 내는지 추론할 수 없다.

다섯 번째 한계는 일반화 가능성이다. HAWK의 대칭성이 격자 암호 전반에 같은 약점이 존재한다는 뜻은 아니다. 7라운드 AES에 대한 지문 개선이 남은 세 라운드를 통과할 경로를 뜻하지도 않는다.

암호 라운드는 복잡도가 누적되도록 설계된다. 축소된 버전에 대한 진전은 보안 여유를 측정하는 데 도움이 되지만, 마지막 라운드는 알려진 모든 기법의 범위 밖에 남을 수 있다.

Anthropic의 예비 후속 주장에도 주의가 필요하다. 회사는 데스크톱에서 실행되는 13라운드 LEA 공격과 6라운드 Serpent-128에 대한 또 다른 공격을 보고했다. 어느 것도 이들 암호의 완전한 버전에 도달하지는 않는다.

팀은 추가 작업 후 더 많은 세부 사항을 공개할 계획이다. 그때까지 이 결과들은 완전히 검토 가능한 발견이 아니라 회사의 주장으로 남는다.

경제적 문제도 있다. 결과 하나에 약 10만 달러를 지출하는 일은 주요 표준을 연구하는 프런티어 연구소에는 타당할 수 있다. 그러나 대학 연구팀, 유지관리자, 소규모 보안 팀에는 접근성이 낮다.

이 불균형은 AI 보조 암호 분석에 대한 초기 접근권을 모델 기업, 초대형 클라우드 제공업체, 정부, 자금력이 풍부한 벤더에 집중시킬 수 있다. 결과를 생산하는 조직이 그 결과를 재현하는 데 필요한 시스템도 통제할 수 있다.

Mythos에 대한 제한된 접근성은 독립적인 재현을 더욱 복잡하게 만든다. 연구자들은 공개된 산출물을 검토할 수 있지만, 같은 모델과 지원 구조를 다시 실행할 수 있다고 보장되지는 않는다.

이러한 제약이 발견을 무효화하는 것은 아니다. 이는 발견이 무엇을 의미하는지 규정한다. Claude Mythos는 신중하게 관리된 연구 프로그램 안에서 독창적 아이디어에 기여할 수 있는 것으로 보인다. 그러나 필요할 때마다 배포된 암호 체계를 무너뜨리는 일반적 능력을 입증한 것은 아니다.

적절한 회의론은 알고리즘 시험의 가치가 아니라 이를 둘러싼 주장에 향해야 한다. 유용한 아이디어가 사람, 모델, 또는 이들의 협업에서 나오든 배포 전 더 강력한 검토는 유익하다.

Amazon Anthropic 관찰자들이 주목해야 할 세 가지 신호

다음 단계는 독립 재현, 측정 가능한 연구 신뢰성, 실제 운영상 영향을 미치는 발견의 공개 규칙에 의해 결정될 것이다.

첫 번째 신호는 외부 암호학자들이 HAWK 및 AES 논문을 어떻게 평가하는지다. 재현된 계산, 수정된 복잡도 추정, 독립 구현은 이 결과들이 전문가의 압력을 견디는지 보여줄 것이다.

강력한 재현은 프런티어 모델이 새로운 암호 분석에 기여할 수 있다는 Anthropic의 주장을 뒷받침할 것이다. 실험 자체가 유익하게 남더라도, 중대한 수정은 더 폭넓은 역량 서사를 약화할 것이다.

두 번째 신호는 CryptanalysisBench 및 유사 평가에서의 성능이다. 연구자들에게는 여러 모델의 결과, 반복 실행, 문서화된 예산, 서로 다른 수준의 인간 지도가 필요하다.

벤치마크는 발견과 재발견을 구분해야 한다. 또한 실패한 세션, 토큰 소비량, 도구 사용, 에이전트의 방향을 바꾼 개입도 기록해야 한다.

여러 모델 계열이 통제된 조건에서 새롭고 검증된 공격을 만들어 낸다면, AI 암호 분석은 업계 전반의 역량이 된다. 성공이 드물고 Mythos 특유의 인프라에 의존한다면 결론은 더 제한적으로 남는다.

세 번째 신호는 Anthropic, Amazon, 표준화 기구, 정부가 배포된 소프트웨어에 영향을 주는 발견을 어떻게 다루는지다. 이 두 공격은 어느 쪽도 실제 운영 시스템을 위협하지 않았기 때문에 질서 있는 공개가 가능했다.

실질적인 돌파구가 나온다면 더 어려운 선택이 뒤따를 것이다. 연구자들은 공급업체에 통지하고, 패치 또는 마이그레이션을 조율하며, 기술적 세부 사항을 제한하고, 대중에게 언제 경고해야 하는지 결정해야 한다.

Anthropic은 이미 이번 작업과 관련해 정부 및 업계 지도자들과 협의했다고 밝혔다. 다음 시험대는 이러한 관계가 위기 이후 즉흥적인 통제가 아니라 위기 이전에 투명한 규칙을 만들어내는지 여부다.

개발자와 엔터프라이즈 보안 책임자에게 지금 필요한 조치는 암호화를 교체하거나 AES를 두려워하는 것이 아니다. 암호화 알고리즘, 라이브러리, 키, 프로토콜이 시스템에 어디로 유입되는지에 대한 가시성을 높이는 일이다.

팀은 또한 기계가 생성한 보안 주장을 평가할 준비를 해야 한다. 즉, 다듬어진 최종 보고서를 그대로 받아들이는 대신 원본 자료, 실험, 프롬프트, 코드, 검토자 결정 사항을 보존해야 한다.

Amazon과 Anthropic의 이야기는 결국 영향력에 관한 것이다. Amazon은 자본, 클라우드 인프라, 엔터프라이즈 유통 경로를 제공한다. Anthropic은 이례적으로 심층적인 기술 탐색을 지속할 수 있는 제한형 모델을 제공한다.

Claude의 암호학 작업은 이러한 조합이 무엇을 가능하게 하는지 보여주지만, 동시에 그 한계 요인도 드러낸다. 컴퓨팅은 막대한 규모로 후보 발견을 만들어낼 수 있다. 그러나 신뢰도는 여전히 신중한 인간 검토의 속도로만 쌓인다.

따라서 향후 몇 달간의 질문은 구체적이다. 독립 전문가들이 이러한 공격을 검증하고, 다른 모델로 이 연구 패턴을 재현할 수 있을까? 그 증거가 이번 사례가 예외적인 실험이었는지, 아니면 디지털 보안의 기반이 되는 수학을 감사하는 반복 가능한 방법의 시작이었는지를 결정할 것이다.