Anthropic Claude odkrywa nowe ataki na HAWK i AES o zredukowanej liczbie rund

Anthropic Claude opracował dwa istotne ataki kryptograficzne, choć żaden z nich nie zagraża obecnie oprogramowaniu ani zaszyfrowanym danym używanym w produkcji. Claude Mythos Preview osłabił proponowany schemat podpisu HAWK i przyspieszył atak na siedmiorundowy AES-128.

Bezpośredni wniosek jest uspokajający. HAWK nadal pozostaje kandydatem w publicznym procesie oceny, a standardowy AES-128 wykorzystuje dziesięć rund, a nie siedem. Anthropic wyraźnie zaznacza, że żaden z tych wyników nie wymaga zmian w oprogramowaniu produkcyjnym.

Głębsza kwestia dotyczy tego, kto prowadzi zaawansowaną kryptoanalizę i jak szybko dziedzina jest w stanie zweryfikować uzyskane wyniki. Anthropic twierdzi, że jego system wieloagentowy osiągnął jeden rezultat po około 60 godzinach, a drugi wygenerował w dużej mierze autonomicznie w ciągu tygodnia. Następnie badacze poświęcili znacznie więcej czasu na sprawdzenie prac dotyczących AES.

Ta dysproporcja zmienia znaczenie ogłoszenia. Istotnym wydarzeniem nie jest to, że Anthropic Claude złamał szyfrowanie internetu. Nie złamał go. Istotne jest to, że system AI wygenerował wiarygodne ataki matematyczne na schematy wcześniej analizowane przez wyspecjalizowanych badaczy.

Co właściwie odkrył Anthropic Claude

Oba wyniki posuwają naprzód badania kryptograficzne, ale żaden nie stanowi praktycznego ataku na obecne bezpieczeństwo internetu.

Anthropic ujawnił te prace 28 lipca 2026 r. za pośrednictwem swojego Frontier Red Team. Firma opublikowała odrębne artykuły techniczne dotyczące odzyskiwania kluczy HAWK oraz ulepszonego ataku na siedmiorundowy AES-128.

Odkrycia kryptograficzne różnią się od luk w oprogramowaniu, które Anthropic wcześniej przypisywał Mythos Preview. Wcześniejsze ustalenia często dotyczyły błędów implementacyjnych, gdy oprogramowanie niewłaściwie korzystało z poprawnego algorytmu.

Te badania dotyczą samych projektów matematycznych. To rozróżnienie ma znaczenie, ponieważ audyt implementacji i kryptoanaliza wymagają odmiennych form rozumowania.

Błąd implementacyjny może obejmować niebezpieczny dostęp do pamięci, nieprawidłową kontrolę graniczną lub wadliwą ścieżkę uwierzytelniania. Badacze często mogą odtworzyć takie błędy, uruchamiając kod i obserwując awarię lub nieautoryzowane działanie.

Kryptoanaliza bada, czy algorytm zapewnia bezpieczeństwo oczekiwane przez jego twórców w ramach określonego matematycznego modelu zagrożeń. Proponowany atak musi być nowatorski, wewnętrznie spójny i mniej kosztowny niż najlepsza znana alternatywa.

Pierwszy wynik dotyczy HAWK, kandydata na postkwantowy podpis cyfrowy. Podpisy cyfrowe pozwalają odbiorcy zweryfikować pochodzenie wiadomości i wykryć nieautoryzowane zmiany.

HAWK należy do procesu NIST służącego ocenie dodatkowych podpisów zaprojektowanych tak, by odpierać ataki przyszłych komputerów kwantowych. Nie jest wdrożonym standardem internetowym.

Według Anthropic HAWK przeszedł dwie rundy eksperckiej oceny trwające dwa lata. Następnie Mythos Preview zidentyfikował niewykorzystaną symetrię matematyczną w strukturze kratowej stanowiącej podstawę schematu.

System wykorzystał tę symetrię do stworzenia szybszej metody odzyskiwania klucza. Odzyskiwanie klucza polega na próbie odtworzenia prywatnego klucza podpisującego na podstawie informacji publicznych.

W przypadku małych parametrów testowych HAWK-256 Anthropic podaje, że oczekiwany koszt ataku spadł z 2^64 operacji do 2^38. HAWK-256 celowo uwzględniono jako cel kryptoanalityczny, a nie jako zalecany zestaw parametrów produkcyjnych.

Atak nadal ma złożoność wykładniczą, co oznacza, że jego koszt wciąż szybko rośnie wraz z rozmiarem klucza. Anthropic podaje również, że ataki na większe parametry HAWK pozostają niepraktyczne.

Utrzymanie zakładanego poziomu bezpieczeństwa wymagałoby jednak znacznie większych kluczy. Taka zmiana osłabiłaby kompaktowość i wydajność, które czyniły HAWK atrakcyjnym.

Drugi wynik dotyczy celowo osłabionej wersji AES-128. Standardowy AES-128 przekształca dane w dziesięciu powtarzanych rundach, podczas gdy cel badawczy wykorzystuje ich tylko siedem.

Naukowcy analizują szyfry o zredukowanej liczbie rund, aby mierzyć ich marginesy bezpieczeństwa i rozwijać techniki mogące ujawnić głębsze słabości strukturalne. Złamanie takiego wariantu badawczego nie oznacza złamania pełnego szyfru.

Mythos Preview ulepszył atak typu meet-in-the-middle, który ogranicza obliczenia przez zapisywanie i dopasowywanie wyników pośrednich. Zaprojektował technikę odcisków kryptograficznych, którą Anthropic nazywa Möbius Bridge.

Technika eliminuje jedno zgadywanie obejmujące 256 możliwych wartości. Po uwzględnieniu dodatkowego kosztu obliczeniowego Anthropic szacuje przyspieszenie od 200 do 800 razy.

Brzmi to dramatycznie, ale podstawowy scenariusz nadal pozostaje niepraktyczny. Atak zakłada dostęp do 2^105 wybranych tekstów jawnych, czyli danych wejściowych wybranych przez atakującego i zaszyfrowanych jednym nieznanym kluczem.

Anthropic dalej szacuje, że wdrożenie nawet tego ataku na zredukowaną liczbę rund wymagałoby zasobów zdecydowanie przekraczających możliwości zwykłych atakujących. Pełny, dziesięciorundowy AES-128 pozostaje bez zmian.

Te ograniczenia powinny towarzyszyć każdemu opisowi tego nagłówka. Nazywanie tych ustaleń złamaniem AES lub awarią szyfrowania internetu byłoby błędnym przedstawieniem badań.

Dlaczego wynik dotyczący HAWK wywiera presję na ocenę kryptograficzną

Atak na HAWK wywiera presję na szybkość i zakres ludzkiej oceny, a nie na systemy już korzystające ze standardów postkwantowych.

NIST rozpoczął poszukiwanie dodatkowych postkwantowych schematów podpisu, aby poszerzyć dostępne możliwości projektowe. Publiczne konkursy pozwalają niezależnym badaczom analizować propozycje, kwestionować ich założenia i identyfikować niebezpieczne parametry przed standaryzacją.

HAWK dotarł do trzeciej rundy tego przeglądu podpisów. Jego projekt kładzie nacisk na kompaktowe podpisy, szybkie operacje i niewielkie wymagania pamięciowe, także na sprzęcie o ograniczonych zasobach.

Bezpośrednie bezpieczeństwo odzyskiwania klucza zależy od struktury matematycznej zwanej problemem izomorfizmu krat. Problem polega na ustaleniu, czy dwie kraty są powiązane transformacją zachowującą ich zasadniczą strukturę.

Wcześniejsze badania wykazały, że znalezienie użytecznego automorfizmu, czyli symetrii odwzorowującej kratę na nią samą, może umożliwić atak. Nierozstrzygnięte pozostawało pytanie, czy konkretna konstrukcja HAWK ujawnia dostępny automorfizm.

Anthropic twierdzi, że Mythos Preview znalazł taką symetrię i zbudował pełny potok weryfikacyjny. Powstały atak enumeracyjny przeszukuje możliwe klucze wydajniej niż wcześniejsze techniki.

W procesie uczestniczyło kilku pracowników Claude działających w ramach agentowego środowiska wykonawczego. Takie środowisko łączy podpowiedzi, narzędzia, wspólne zapisy i koordynację zadań, aby modele mogły realizować długotrwały cel badawczy.

Pracownicy mogli korzystać z opublikowanych badań oraz systemów obliczeniowych, takich jak Python i Sage. Operator człowiek zapewniał zarządzanie projektem i okazjonalne, nietechniczne wskazówki.

Opis Anthropic przedstawia istotny szczegół badań wieloagentowych. Dwóch pracowników analizowało kluczowy pomysł, lecz jeden zbyt wcześnie go odrzucił. Drugi kontynuował pracę i znalazł wykonalne rozwiązanie.

Pracownicy wymieniali wiadomości, aż obaj zaakceptowali atak. Bardziej przypomina to równoległe badanie naukowe niż pojedynczy chatbot generujący odpowiedź.

Według Anthropic znalezienie i zweryfikowanie ataku na HAWK zajęło około 60 godzin. Operator człowiek miał doświadczenie w teoretycznej informatyce, lecz nie posiadał specjalistycznej wiedzy z zakresu kryptografii kratowej.

Firma udostępniła atak autorom HAWK w czerwcu. Następnie skoordynowała publiczne ujawnienie z odpowiednią listą mailingową NIST.

Proces ten jest bliższy odpowiedzialnej ocenie kryptograficznej niż oportunistycznemu ujawnianiu luk. HAWK został zgłoszony publicznie, aby badacze mogli szukać słabości przed wdrożeniem.

Wynik pokazuje więc, że proces NIST działa zgodnie z założeniami. Kandydat został poddany wrogiej analizie, pojawiła się słabość, a oceniający uzyskali nowe dowody przed zatwierdzeniem standardu.

Historia oferuje użyteczne porównanie. SIKE, inny kandydat postkwantowy, przetrwał szeroko zakrojoną analizę, zanim badacze znaleźli w 2022 r. niszczycielski klasyczny atak.

Atak ten umożliwiał odzyskanie tajnego klucza na zwykłym laptopie. Porażka SIKE była znacznie poważniejsza niż nowy wynik dotyczący HAWK, lecz wzmocniła argument za długotrwałą publiczną oceną.

Różnica dotyczy teraz źródła presji. Wieloagentowy system AI może bez przerwy przeszukiwać literaturę, generować hipotezy, prowadzić eksperymenty i koordynować konkurencyjne podejścia.

Nie sprawia to, że jego wnioski są domyślnie wiarygodne. Zwiększa jednak liczbę wiarygodnych ścieżek ataku, które eksperci mogą potrzebować zbadać.

Organizacje kryptograficzne będą zatem potrzebowały czegoś więcej niż dostępu do modeli. Potrzebują systemów oceny, które zachowują odrzucone hipotezy, odtwarzają obliczenia, porównują wcześniejsze prace i kierują obiecujące ustalenia do wykwalifikowanych specjalistów.

Celem presji jest ludzki potok walidacji. Jeśli systemy AI generują wiarygodne ataki szybciej, niż eksperci mogą je odrzucać lub potwierdzać, kolejki do oceny stają się ograniczeniem bezpieczeństwa.

Ograniczenie to dotyczy organów normalizacyjnych, konferencji akademickich, dostawców i agencji rządowych. Każda z tych grup polega na nielicznych specjalistach zdolnych odróżnić rzeczywisty postęp od subtelnego błędu matematycznego.

Wynik dotyczący HAWK zapewnia wyjątkowo silną weryfikację, ponieważ Anthropic zaimplementował atak od początku do końca. Badacze mogą wybrać klucz, uruchomić metodę i sprawdzić, czy go odzyska.

Nie każdy przyszły wynik pozwoli na tak bezpośrednie testowanie. Niektóre twierdzenia będą zależeć od rozumowania asymptotycznego, skomplikowanych ograniczeń probabilistycznych lub założeń trudnych do eksperymentalnego odtworzenia.

AI może rozszerzyć przestrzeń poszukiwań. Ludzkie instytucje muszą wraz z nią rozszerzać przestrzeń weryfikacji.

Atak na AES o zredukowanej liczbie rund pokazuje mechanizm

Wynik dotyczący AES ma znaczenie, ponieważ Claude stworzył nową optymalizację dzięki długotrwałym eksperymentom, a nie dlatego, że pełny AES-128 stał się niebezpieczny.

NIST ustanowił szyfr AES standardem w 2001 r. AES-128 stosuje dziesięć rund podstawień, permutacji i operacji zależnych od klucza do każdego bloku danych.

Jego długa historia czyni go wyjątkowo trudnym celem badawczym. Kryptografowie analizowali AES intensywniej niż niemal każdy inny szyfr symetryczny.

Ta dojrzałość wyjaśnia również, dlaczego badacze analizują wersje z mniejszą liczbą rund. Analiza zredukowanych rund pokazuje, jaką ochronę zapewnia każda dodatkowa runda i czy nowe techniki zbliżają się do pełnej konstrukcji.

Anthropic poprosił Mythos Preview o ulepszenie najsilniejszego opublikowanego ataku na siedmiorundowy AES-128. Model początkowo się opierał, twierdząc, że problem nie oferuje łatwej ścieżki.

Badacze zmienili środowisko wykonawcze tak, aby agenci nadal poszukiwali rzeczywiście nowatorskich pomysłów. Wielokrotnie kierowali też Claude z powrotem ku siedmiu rundom, gdy próbował łatwiejszych celów.

W pierwszych trzech dniach badania system wygenerował kilkaset milionów tokenów. Anthropic twierdzi, że podczas dopracowywania pełnej metody ostatecznie wytworzył miliard tokenów wyjściowych.

Sama skala nie dowodzi inteligencji ani jakości badań. Ujawnia jednak jedną z zalet zautomatyzowanego eksperymentowania: system może badać, odrzucać i łączyć pomysły na skalę niedostępną dla pojedynczego badacza.

Powstały w ten sposób Möbius Bridge działa jako odcisk palca niezależny od wcześniej koniecznego zgadywanego parametru. Niezmienność oznacza, że odcisk pozostaje użyteczny nawet wtedy, gdy ta konkretna wartość się zmienia.

We wcześniejszych pracach trzeba było wyliczyć 256 wartości i porównać je z wcześniej obliczoną tabelą wyszukiwania. Usunięcie tego kroku teoretycznie zmniejsza istotny nakład pracy 256-krotnie.

Nowa transformacja wprowadza również dodatkowy narzut. Anthropic podaje więc praktyczną poprawę analityczną od 200 do 800 razy, zależnie od sposobu mierzenia czasu działania przez badaczy.

Atak nadal wykorzystuje technikę meet-in-the-middle. Metody te wymieniają pamięć na szybkość, obliczając wartości z przeciwległych kierunków i szukając pasującego stanu wewnętrznego.

Takie ataki mogą przewyższać brute force bez ujawniania prostej słabości szyfru. Ich praktyczność zależy od dostępu do danych, wymagań pamięciowych, mocy obliczeniowej i liczby zaangażowanych rund.

W tym przypadku zakładane wymaganie dotyczące danych to 2^105 wybranych tekstów jawnych. To wartość astronomicznie wykraczająca poza realistyczny scenariusz ich pozyskania.

Cel ataku pomija również trzy z dziesięciu rund AES-128. Te dodatkowe rundy znacznie zwiększają trudność rozszerzenia tej techniki na standardowy szyfr.

Artykuł Anthropic stanowi zatem wkład w akademicki dorobek ataków na AES o zredukowanej liczbie rund. Nie daje przestępcom praktycznej metody odszyfrowywania ruchu bankowego, zapisanych plików ani prywatnych wiadomości.

Najważniejszy mechanizm znajduje się ponad samym szyfrem. Jeden badacz zbudował szkielet, a następnie Claude autonomicznie proponował hipotezy, testował je, analizował krytykę i przekazywał odkrycia między agentami.

System nie zwrócił jednej dopracowanej odpowiedzi po jednym poleceniu. Działał jak organizacja badawcza skompresowana do oprogramowania, z wieloma próbami i trwałym wsparciem obliczeniowym.

Podejście to przypomina metody stosowane przez inne czołowe laboratoria. Google DeepMind i OpenAI wykorzystywały już wspomagane przez modele przeszukiwanie w trudnych problemach matematycznych, algorytmicznych i naukowych.

Wspólny kierunek jest ważniejszy niż wynik pojedynczego benchmarku. Zdolności modelu coraz bardziej zależą od otaczającego go systemu, w tym narzędzi, pamięci, weryfikacji i równoległych pracowników.

Kryptoanaliza dobrze pasuje do takiego układu, ponieważ wiele pomysłów można testować obliczeniowo. Model może szukać wzorców, implementować kandydackie transformacje i porównywać je z znanymi wynikami.

Jednak kryptografia karze nawet za drobne błędy. Pominięty warunek, zaniżone założenie dotyczące danych lub niepoprawny składnik złożoności mogą unieważnić skądinąd przekonujący artykuł.

To tworzy podstawowy kompromis. Zautomatyzowane badania zwiększają liczbę potencjalnych odkryć, podczas gdy ekspercka walidacja pozostaje powolna i kosztowna.

Badacze Anthropic otwarcie przyznają, że ta nierównowaga istnieje. Mythos Preview potrzebował około tygodnia na opracowanie wyniku dotyczącego AES, podczas gdy dwóch badaczy poświęciło niemal miesiąc na zbudowanie zaufania do niego.

Spędzili też kilkaset godzin, ucząc się wystarczająco dużo kryptografii, by ocenić metodę. Anthropic zauważa, że badacze ci nie byli specjalistami od kryptografii.

To przyznanie wzmacnia potrzebę niezależnego przeglądu. Czyni też wynik ciekawszym, ponieważ system najwyraźniej pomógł niespecjalistom wejść w wymagającą technicznie dziedzinę.

Kolejny etap nie powinien usuwać ekspertów z procesu. Powinien dostarczać im odtwarzalne artefakty, ustrukturyzowane rozumowanie, wykonywalne testy i jasne porównania z wcześniejszymi badaniami.

Twierdzenie jest imponujące, ale weryfikacja stanowi wąskie gardło

Anthropic opublikował istotne dowody, jednak szersze twierdzenie o kryptografii na poziomie ekspertów nadal wymaga niezależnej i wielokrotnej walidacji.

Najsilniejszy sceptyczny argument nie neguje tych dwóch ataków. Kwestionuje to, co dowodzą one w kwestii ogólnej zdolności badawczej.

Oba cele zostały wybrane i sformułowane przez badaczy Anthropic. Agenci otrzymali dostęp do odpowiedniej literatury, narzędzi obliczeniowych, powtarzanych poleceń i specjalnie stworzonego szkieletu.

Wiele sesji nie przyniosło żadnego użytecznego odkrycia. Opublikowana przez Anthropic relacja skupia się na udanych trajektoriach, co utrudnia oszacowanie ogólnego wskaźnika sukcesu.

Model wymagał również wyjątkowo dużego wysiłku obliczeniowego. Miliard wygenerowanych tokenów nie jest zwykłym obciążeniem interaktywnym, nawet dla dobrze finansowanych organizacji badawczych.

Ta skala zmienia porównanie z ludźmi. Właściwym pytaniem nie jest to, czy jedna odpowiedź Claude przewyższyła jednego kryptografa.

Uczciwe porównanie musi uwzględniać całkowitą moc obliczeniową, przygotowanie przez ludzi, dopracowywanie poleceń, nieudane próby, czas walidacji i dostęp do specjalistycznej literatury. Musi także mierzyć nowość na nieznanych problemach.

Anthropic współpracował z naukowcami z ETH Zurich, Tel Aviv University i TU Berlin przy tworzeniu CryptanalysisBench. Benchmark pakietyzuje schematy kryptograficzne na potrzeby standaryzowanej oceny modeli.

Wczesne wyniki benchmarku sugerują, że czołowe modele potrafią rozwiązywać znane i nowe zadania kryptoanalityczne. Benchmarki mogą jednak stać się mniej miarodajne, gdy twórcy optymalizują bezpośrednio pod nie.

Niezależne grupy powinny odtworzyć implementację HAWK, zweryfikować analizę złożoności AES i przetestować ten sam szkielet na nietkniętych schematach. Nieudane replikacje osłabiłyby szersze twierdzenie dotyczące możliwości.

Sukces na kilku nieujawnionych celach je wzmocniłby. Anthropic wspomniał o wstępnych wynikach dotyczących AES o zredukowanej liczbie rund, LEA, Serpent-128, Salsa20, Poseidon i SHA-1.

Te dodatkowe twierdzenia wymagają różnych poziomów zaufania. Anthropic twierdzi, że jego atak na LEA działa od początku do końca, co ułatwia bezpośrednią weryfikację.

Inne usprawnienia pozostają ograniczone lub wstępne. Nie powinny otrzymywać takiej samej wagi dowodowej jak zaimplementowana demonstracja odzyskiwania klucza.

Praca dotycząca AES stwarza trudniejszy problem walidacyjny. Badacze mogą badać jej wyprowadzenie i eksperymenty obliczeniowe, lecz pełny atak pozostaje niepraktyczny do wykonania na pełną skalę.

Eksperci muszą zatem walidować rozumowanie, zamiast po prostu uruchomić cały atak. Ten proces może ujawnić ukryte założenia lub błędy rachunkowe.

Kolejna niepewność dotyczy autorstwa. Model wygenerował kluczowe idee, ale ludzie wybierali cele, utrzymywali infrastrukturę testową, przekierowywali nieudane poszukiwania i przygotowywali końcowe artykuły.

Nazwanie pracy w pełni autonomiczną zacierałoby te interwencje. Nazwanie jej zwykłym użyciem narzędzi zacierałoby niezależne generowanie hipotez przez system i długotrwałe eksperymentowanie.

„W większości autonomiczna” to bardziej uzasadniony opis. Uznaje znaczącą sprawczość maszyny, nie udając, że badania powstały bez ludzkich wyborów.

Znaczenie ma także środowisko ujawniania. Anthropic kontroluje dostęp do Mythos Preview, ponieważ model może wspierać zarówno badania obronne, jak i operacje ofensywne.

Ten ograniczony dostęp utrudnia niezależną ocenę. Badacze spoza firmy nie mogą łatwo powtórzyć procesu przy użyciu tego samego modelu, ustawień i budżetu obliczeniowego.

Mythos Preview został od tego czasu zastąpiony przez Mythos 5, który Anthropic ogranicza do zweryfikowanych partnerów. Kontrola dostępu zmniejsza ryzyko natychmiastowego nadużycia, ale koncentruje zaawansowane badania bezpieczeństwa w niewielkiej grupie.

Tworzy to kolejny kompromis między bezpieczeństwem a naukową kontrolą. Szerokie udostępnienie wspiera replikację, podczas gdy ograniczone udostępnienie zmniejsza liczbę podmiotów zdolnych do uzbrajania odkryć.

Żadna polityka dostępu nie rozwiązuje tego konfliktu całkowicie. Uzasadniony program potrzebuje zaufanych zewnętrznych ewaluatorów, kontrolowanych środowisk odtwarzania oraz ujawniania informacji wystarczającego do zbadania procesu badawczego.

Anthropic podjął użyteczne kroki, publikując artykuły techniczne, kod demonstracyjny dla HAWK i zrekonstruowaną relację z rozumowania Claude dotyczącego AES. Artefakty te zapewniają więcej dowodów niż samo twierdzenie marketingowe.

Mimo to zrekonstruowane rozumowanie nie jest doskonałym śladem audytowym. Anthropic stwierdza, że opublikowany dokument rozwija oryginalny tok rozumowania modelu dla czytelności.

Przyszłe oceny powinny kłaść nacisk na wykonywalne zapisy zamiast na transkrypcje narracyjne. Logi powinny łączyć hipotezy, kod, wyniki eksperymentów i końcowe twierdzenia, nie ujawniając niebezpiecznych szczegółów operacyjnych.

Kryptografowie będą też potrzebować lepszych systemów triage. Kolejka zawierająca tysiące wiarygodnych artykułów może przytłoczyć społeczność, nawet gdy większość zgłoszeń jest błędna.

Zautomatyzowani krytycy mogą pomóc, ale używanie jednego modelu do walidacji drugiego tworzy ryzyko skorelowanych błędów. Niezależne metody formalne i ekspercki przegląd pozostają konieczne.

Społeczność badawcza powinna unikać dwóch przeciwstawnych błędów. Nie powinna odrzucać pracy dlatego, że przyczyniła się do niej AI, ani domyślnie traktować matematyki wygenerowanej przez model jako poprawnej.

Demonstracja HAWK jest konkretna. Artykuł o AES jest szczegółowy. Ogólne twierdzenie, że czołowe modele dorównują obecnie najlepszym kryptografom, pozostaje hipotezą wymagającą szerszych dowodów.

Rzeczywista zmiana to przejście od niedoboru odkryć do niedoboru walidacji

Anthropic Claude zmienia ekonomię generowania hipotez kryptograficznych, zanim zmieni bezpieczeństwo wdrożonych algorytmów.

Kryptografia historycznie opierała się na niewielkiej społeczności specjalistów projektujących schematy i atakujących je. Wysokiej jakości przegląd wymaga lat szkolenia i trwałej koncentracji.

Ta struktura tworzy nierównomierny rozkład kontroli. AES przyciąga szeroko zakrojoną analizę, podczas gdy wyspecjalizowane szyfry i standardy regionalne mogą otrzymywać znacznie mniej uwagi.

Anthropic twierdzi, że systemy AI mogą badać ten długi ogon. Jeśli to twierdzenie się potwierdzi, zaniedbane algorytmy mogłyby otrzymać głębsze testy bez przydzielania pełnego zespołu ludzi do każdego z nich.

Wartość obronna jest jasna. Organizacje normalizacyjne mogłyby przeprowadzać agentowe przeglądy przed zaakceptowaniem nowych schematów, a następnie dostarczać specjalistom uszeregowane i odtwarzalne ustalenia.

Zespoły produktowe mogłyby używać podobnych systemów do porównywania swoich implementacji z formalnymi specyfikacjami. Łączyłoby to przegląd matematyczny z konwencjonalnym wykrywaniem podatności.

Ryzyko jest równie jasne. Ten sam proces może przeszukiwać wdrożone kryptosystemy pod kątem słabości, które mają natychmiastową wartość dla atakujących.

Wady kryptograficzne różnią się od zwykłych błędów oprogramowania, ponieważ naprawa może wymagać nowych standardów, nowych kluczy, aktualizacji sprzętu i długich okresów migracji. Część zaszyfrowanych danych historycznych może pozostać potem narażona.

Obecne ustalenia nie tworzą takiego kryzysu. Pokazują proces zdolny zmierzać ku coraz trudniejszym celom.

Kwietniowa ocena Mythos Preview przez Anthropic opisywała już model zdolny do odkrywania i wykorzystywania subtelnych podatności oprogramowania. Firma ograniczyła dostęp w ramach Project Glasswing, ponieważ zdolności ofensywne i obronne nakładają się na siebie.

Kryptoanaliza rozszerza tę obawę poza kod. Poprawna implementacja nie może chronić użytkowników, gdy algorytm leżący u jej podstaw ma podatność strukturalną możliwą do wykorzystania.

Nie oznacza to, że pełny AES jest następny. Silne szyfry obejmują hojne marginesy bezpieczeństwa właśnie dlatego, że badacze oczekują ataków na uproszczone warianty.

Właściwą odpowiedzią jest przygotowanie, a nie panika. Organizacje powinny zinwentaryzować zależności kryptograficzne i zachować zdolność wymiany algorytmów bez przebudowy całych systemów.

Organy normalizacyjne powinny dodać analizę wspomaganą przez AI do publicznych konkursów, dokumentując przy tym sposób weryfikacji ustaleń modeli. Dostawcy powinni unikać zastrzeżonej kryptografii, której brakuje trwałego przeglądu zewnętrznego.

Badacze powinni również traktować zdolność walidacyjną jako infrastrukturę. Moc obliczeniowa może tworzyć więcej kandydackich wyników, lecz wykwalifikowana uwaga człowieka nie może skalować się w tym samym tempie.

Uniwersytety mogą potrzebować szkoleń łączących klasyczną kryptografię, automatyczne sprawdzanie twierdzeń i nadzór nad agentami. Zespoły bezpieczeństwa będą potrzebowały recenzentów zdolnych analizować zarówno dowody, jak i wygenerowany kod.

Dokumentacja badań będzie zyskiwać na znaczeniu. Zespoły muszą zachowywać publikacje, prompty, eksperymenty, odrzucone hipotezy i decyzje walidacyjne stojące za każdym wnioskiem.

Przeszukiwalna baza wiedzy może wspierać tę pracę, jeśli zachowuje dokumenty źródłowe i łączy twierdzenia z dowodami. Celem jest identyfikowalność, a nie automatyczna akceptacja.

Może być również konieczna zmiana systemu zachęt publikacyjnych. Tworzenie wielu prawdopodobnych ataków jest mniej wartościowe niż opracowanie mniejszego zestawu z odtwarzalną weryfikacją.

Konferencje i grupy standaryzacyjne mogłyby wymagać, by prace generowane przez maszyny ujawniały budżety obliczeniowe, interwencje ludzi, nieudane uruchomienia oraz metody walidacji. Takie szczegóły umożliwiłyby bardziej sprawiedliwe porównania.

Zespoły bezpieczeństwa powinny rozróżniać trzy poziomy dowodów.

Po pierwsze, model może zasugerować koncepcję ataku. To kierunek badań, a nie ustalenie.

Po drugie, system może przedstawić analizę matematyczną i wspierające ją eksperymenty. To kandydat na wynik wymagający przeglądu ekspertów.

Po trzecie, badacze mogą wdrożyć atak od początku do końca i niezależnie go odtworzyć. To zapewnia najsilniejsze praktyczne potwierdzenie.

Prace nad HAWK zbliżają się do trzeciego poziomu. Wynik dotyczący AES opiera się w większym stopniu na analizie, ponieważ pełne wymagania obliczeniowe uniemożliwiają kompletne wykonanie.

Oddzielenie tych poziomów zapobiega sensacyjnym twierdzeniom. Zapewnia też, że naprawdę istotne wkłady AI otrzymują należne uznanie.

Szerszy kontekst konkurencyjny obejmuje każde laboratorium rozwijające modele graniczne o silniejszym rozumowaniu i dłuższym autonomicznym działaniu. Kryptoanaliza nie pozostanie zdolnością zastrzeżoną dla Anthropic.

Modele otwarte mogą z czasem zmniejszyć tę lukę, a wyspecjalizowane systemy badawcze mogą przewyższać modele ogólnego przeznaczenia w wybranych dziedzinach matematyki. Dostęp do mocy obliczeniowej i wysokiej jakości rusztowań badawczych ukształtuje ten wyścig.

Prawdopodobna rywalizacja nie będzie więc starciem Claude z jednym konkurencyjnym chatbotem. Będzie to rywalizacja wspieranych przez AI obrońców ze wspieranymi przez AI atakującymi, a o tym, kto odniesie korzyść jako pierwszy, zdecyduje szybkość weryfikacji.

Obrońcy mają przewagi strukturalne, gdy mogą przeglądać schematy przed wdrożeniem i prywatnie koordynować poprawki. Atakujący zyskują przewagę, gdy podatne systemy pozostają wystawione na ryzyko przez lata.

Dwa wyniki Anthropic przemawiają na korzyść strony obronnej. HAWK wykryto przed wdrożeniem, a eksperyment AES dotyczył celowo osłabionego wariantu akademickiego.

Przyszłe odkrycia mogą nie pojawić się w tak dogodnym momencie. Ta możliwość zwiększa pilność potrzeby systemów odpowiedzialnego ujawniania informacji i zwinności kryptograficznej.

Na co zwracać uwagę po ustaleniach Anthropic Claude

Trzy sygnały pokażą, czy te badania oznaczają trwałą zmianę możliwości, czy imponującą parę odizolowanych wyników.

Pierwszym sygnałem będzie niezależna walidacja techniczna. Kryptografowie spoza Anthropic powinni odtworzyć atak na HAWK i dokładnie przeanalizować założenia, złożoność oraz nowość artykułu o AES.

Potwierdzenie wzmocniłoby twierdzenie, że Mythos Preview wniósł uzasadniony wkład badawczy. Istotne korekty zawęziłyby wynik i ujawniły słabości procesu walidacji Anthropic.

Drugim sygnałem będzie podejście NIST do HAWK. Ewaluatorzy mogą odrzucić istniejące parametry, zażądać większych kluczy, zachęcić do przeprojektowania lub usunąć kandydata z rozważań.

Zmiana parametrów pokazałaby, że atak zmienił propozycję, nie niszcząc jej fundamentów. Usunięcie wskazywałoby, że utrata wydajności zaszkodziła propozycji wartości HAWK.

Trzecim sygnałem będzie skuteczność wobec nowych, nieznanych schematów. Anthropic planuje dalsze eksperymenty i kontynuację prac z CryptanalysisBench.

Powtarzające się postępy w różnych strukturach kryptograficznych wspierałyby tezę o ogólnej zdolności badawczej. Sukces wyłącznie wobec silnie wspieranych celów sugerowałby węższe narzędzie.

Czytelnicy powinni również obserwować stosunek czasu odkrycia do czasu walidacji. Ta miara operacyjna może mieć większe znaczenie niż wyniki benchmarków.

Jeśli modele będą tworzyć wiarygodne ustalenia w ciągu dni, podczas gdy ludzie będą potrzebować tygodni na weryfikację każdego z nich, organizacje staną przed rosnącym zaległym obciążeniem przeglądami. Same lepsze modele tego nie rozwiążą.

Przekonujący kolejny krok połączyłby niezależnych ekspertów, formalną weryfikację, wykonywalne demonstracje i kompletne dzienniki badań. Uwzględniałby także nieudane uruchomienia oraz całkowite zużycie zasobów.

Dla programistów i nabywców korporacyjnych to ogłoszenie nie oznacza konieczności pilnej migracji. Standardowy AES-128 pozostaje nienaruszony, a HAWK nie trafił do środowisk produkcyjnych.

Praktycznym działaniem jest potwierdzenie, że systemy używają zatwierdzonych algorytmów z pełną liczbą rund, utrzymują aktualne biblioteki i dokumentują zależności kryptograficzne. Należy unikać interpretowania badań nad zredukowaną liczbą rund jako dowodu, że zaszyfrowane dane są już ujawnione.

Dla badaczy okazja jest bardziej bezpośrednia. Systemy agentowe mogą przeszukiwać szerszy obszar, testować więcej hipotez i zachowywać równoległe kierunki badań.

Odpowiedzialność polega na utrzymaniu możliwości audytu ich twierdzeń. Kryptografia nie może zaakceptować wyniku tylko dlatego, że zdolny model wygenerował przekonującą matematykę.

Anthropic Claude dostarczył dwa poważne obiekty badawcze, a nie ogólnointernetowy kryzys bezpieczeństwa. Ich trwałe znaczenie zależy od replikacji, decyzji standaryzacyjnych i wyników wykraczających poza te wybrane cele.

Kolejne pytanie jest praktyczne: czy niezależni eksperci potrafią zweryfikować te ataki szybciej, niż systemy graniczne wyprodukują następny zestaw? Odpowiedź określi, czy AI rozszerzy pewność kryptograficzną, czy ją przytłoczy.