Wyścig AI Anthropic i Google spotyka się z błędnie przedstawionym testem bezpieczeństwa postkwantowego Claude’a

Anthropic twierdzi, że Claude w 60 godzin znalazł nowy atak na kandydata na podpis postkwantowy, a nie dokonał tego w mniej niż cztery godziny, jak opisywały niektóre nagłówki. To rozróżnienie ma znaczenie. Claude Mythos Preview przeprowadził poważne badania kryptograficzne, ale nie złamał wdrożonego zabezpieczenia postkwantowego ani nie naraził obecnych systemów.

Wynik umieszcza kryptoanalizę w szerszej rywalizacji anthropic google o to, czy modele graniczne mogą prowadzić oryginalne badania naukowe. Badacze Google niedawno wykorzystali Gemini do rozwiązywania otwartych problemów matematycznych. Anthropic argumentuje teraz, że Claude może rozwijać pracę ekspertów w dziedzinie, w której błędy mają bezpośrednie konsekwencje dla bezpieczeństwa.

Claude ulepszył też atak na zredukowaną, siedmiorundową wersję AES-128. Pełne AES-128 wykorzystuje dziesięć rund i pozostaje niewzruszone. Prawdziwa historia jest więc węższa niż alarm dotyczący szyfrowania, ale bardziej znacząca niż kolejne zwycięstwo w benchmarku.

Co Claude faktycznie odkrył w teście HAWK

Claude znalazł matematyczną słabość w proponowanym schemacie podpisu, ale opisywany test nie oznaczał złamania wdrożonego bezpieczeństwa postkwantowego.

Anthropic opublikował swoje ustalenia 28 lipca 2026 roku. Jego badacze wykorzystali Claude Mythos Preview do zbadania HAWK, projektu podpisu cyfrowego rozważanego przez National Institute of Standards and Technology.

Podpis cyfrowy potwierdza, że wiadomość lub pakiet oprogramowania pochodzi od oczekiwanego nadawcy i nie został zmieniony. Podpisy postkwantowe mają zachować tę gwarancję wobec przyszłych komputerów kwantowych.

HAWK jest jednym z pozostałych kandydatów w procesie NIST Additional Digital Signatures. Proces ten celowo wystawia propozycje na publiczną analizę, zanim jakikolwiek algorytm stanie się standardem.

Według ustaleń Anthropic, HAWK przeszedł dwie rundy eksperckiej oceny w ciągu około dwóch lat. Claude pomógł następnie zidentyfikować ulepszony atak odzyskiwania klucza podczas około 60 godzin pracy.

Ta chronologia bezpośrednio przeczy ujęciu mówiącemu o mniej niż czterech godzinach, przypisanemu nagłówkowi źródłowemu. Szczegółowa relacja Anthropic mówi, że znalezienie, opracowanie i zweryfikowanie ataku na HAWK zajęło łącznie około 60 godzin.

Model działał półautonomicznie w środowisku agentowym. Łączyło ono prompty, wielu pracowników Claude, opublikowane artykuły, oprogramowanie matematyczne i piaskownicę do eksperymentów obliczeniowych.

Ludzki badacz od czasu do czasu udzielał wskazówek dotyczących projektu. Anthropic twierdzi, że operator miał doświadczenie w teoretycznej informatyce, lecz nie był specjalistą od kryptografii opartej na kratach.

Claude rozpoczął od przeglądu literatury, przeanalizował wcześniejsze ataki i testował hipotezy matematyczne. Dwaj agenci roboczy badali pomysł, który ostatecznie odniósł sukces, choć jeden z nich początkowo odrzucił go jako niepraktyczny.

Przydatna obserwacja dotyczyła nietrywialnego automorfizmu, czyli symetrii wewnątrz matematycznej kraty wspierającej HAWK. Wcześniejsze badania wykazały, że znalezienie takiej symetrii umożliwiłoby silniejszy atak.

Wkład Claude’a polegał na zidentyfikowaniu możliwej do wykorzystania symetrii w konkretnej konstrukcji HAWK. Następnie zbudował kompleksowy proces weryfikacji, który mógł testować atak na wygenerowanych kluczach.

Dla małego parametru testowego HAWK-256 Anthropic podaje, że szacowany koszt ataku spadł z 2^64 operacji do 2^38. Ta redukcja sprawia, że mały parametr testowy można praktycznie odzyskać.

Wynik ten nie oznacza jednak, że Claude pokonał każdą konfigurację HAWK. Anthropic twierdzi, że ataki na większe proponowane rozmiary kluczy pozostają obliczeniowo niepraktyczne.

Atak jest także specyficzny dla HAWK. Nie przenosi się automatycznie na inne systemy oparte na kratach ani na standardy postkwantowe już wybrane przez NIST.

Ten zakres ma kluczowe znaczenie dla zrozumienia wydarzenia. Claude nie naruszył ruchu sieciowego, systemów bankowych, przechowywanych haseł ani podpisów oprogramowania w obecnych środowiskach produkcyjnych.

Zamiast tego model odkrył słabość projektu podczas procesu oceny stworzonego po to, by wykrywać takie problemy. To udany test obciążeniowy, a nie dowód na aktywne naruszenie bezpieczeństwa.

Dlaczego wyścig badawczy Anthropic i Google obejmuje teraz kryptografię

Rywalizacja anthropic google przesuwa się od odpowiadania na pytania w stronę tworzenia badań, które ludzcy specjaliści muszą niezależnie zweryfikować.

Laboratoria tworzące modele graniczne od lat porównują modele za pomocą testów programistycznych, pytań naukowych i standaryzowanych benchmarków rozumowania. Oceny te zwykle mają znane odpowiedzi i jasne zasady punktacji.

Kryptoanaliza zmienia standard. Użyteczny wynik musi być nowy, poprawny matematycznie, odtwarzalny obliczeniowo i istotny dla założeń bezpieczeństwa otaczających algorytm.

Praca Anthropic wywiera zatem presję na Google, OpenAI i innych twórców modeli według trudniejszej miary możliwości. Pytanie nie brzmi już, czy model potrafi odtworzyć wiedzę ekspertów.

Nowy test pyta, czy system AI może rozszerzać tę wiedzę po przeszukaniu dużej przestrzeni technicznej. Musi też przejść ocenę specjalistów rozumiejących leżącą u podstaw matematykę.

Google już stanowi ważny punkt odniesienia. Badania Anthropic wskazują, że badacze Google wykorzystali Gemini do rozwiązania kilku otwartych problemów matematycznych Erdősa.

Badacze OpenAI również informowali o postępach w otwartych hipotezach matematycznych. Te przykłady wyznaczają szerszą rywalizację o rozumowanie na poziomie badawczym, a nie kryptograficzny pojedynek firma kontra firma.

Porównanie anthropic google nadal ma znaczenie, ponieważ obie firmy łączą modele ogólnego przeznaczenia ze specjalistycznymi narzędziami. Narzędzia te pozwalają modelom czytać literaturę, pisać kod, prowadzić eksperymenty i koordynować równoległe próby.

Wynik HAWK pokazuje, dlaczego to połączenie ma znaczenie. Claude nie wygenerował udanego ataku w jednej odpowiedzi konwersacyjnej.

Działał w ramach długiego projektu z wieloma pracownikami, zewnętrznymi odniesieniami, oprogramowaniem matematycznym i powtarzaną weryfikacją. Ten proces przypomina obliczeniową grupę badawczą bardziej niż tradycyjną sesję z chatbotem.

Anthropic połączył wynik z CryptanalysisBench, opracowanym wspólnie z badaczami z ETH Zurich, Tel Aviv University i TU Berlin. Benchmark zawiera 191 zadań obejmujących sześć rodzin kryptograficznych.

Jego trzy poziomy obejmują znane praktyczne złamania, silniejsze schematy z przeskalowanymi wariantami oraz prymitywy produkcyjne bliskie granicy badań. Taka konstrukcja odróżnia zapamiętane ataki od bardziej wymagającej pracy kryptoanalitycznej.

Pięć modeli granicznych miało rzekomo rozwiązać od 65 do 86 procent schematów z pierwszego poziomu. Złamały też kilka schematów drugiego poziomu przy pełnej sile i przedstawiły nowe ustalenia dotyczące innych projektów.

Liczby te nie dowodzą, że modele mogą rutynowo łamać szyfrowanie produkcyjne. Pokazują, że kryptoanaliza stała się na tyle mierzalna, by śledzić szybkie zmiany możliwości.

Wywiera to presję na Google i inne laboratoria, by publikowały porównywalną metodologię. Twierdzenie o oryginalnych badaniach ma mniejszą wagę bez transkrypcji, odtwarzalnego kodu, artykułów technicznych i zewnętrznej oceny.

Wywiera to także presję na organizacje standaryzacyjne i projektantów kryptografii. Algorytmy kandydujące mogą teraz podlegać znacznie intensywniejszej zautomatyzowanej kontroli przed wdrożeniem, pod warunkiem że recenzenci zdołają zweryfikować powstającą w ten sposób skalę materiału.

Przewaga konkurencyjna może należeć do laboratorium, które zbuduje najlepszy system badawczy, a nie po prostu model z najwyższym wynikiem benchmarkowym. Dostęp do narzędzi, projektowanie eksperymentów, weryfikacja i nadzór ekspertów stają się częścią produktu.

Rozwój ten nadaje wyścigowi anthropic google wymiar bezpieczeństwa, którego brakuje standardowym wynikom matematycznym. Błędne twierdzenie marnuje czas badawczy, podczas gdy przeoczona wada kryptograficzna może wpłynąć na infrastrukturę cyfrową.

Mechanizm ma większe znaczenie niż nagłówek o 60 godzinach

Najsilniejszym wkładem Claude’a było trwałe przeszukiwanie literatury, matematyki i eksperymentów, a nie pojedynczy przebłysk maszynowej intuicji.

Anthropic opisuje wieloagentowy proces, w którym kilku pracowników Claude wymieniało hipotezy i krytyczne uwagi. Taka struktura pozwoliła systemowi badać konkurencyjne kierunki bez zmuszania jednej rozmowy do zachowania każdego szczegółu.

Udany pomysł dotyczący HAWK wyłonił się z niezgody. Jeden pracownik odrzucił podejście oparte na symetrii, podczas gdy drugi znalazł sposób na jego wykorzystanie.

Ten epizod ilustruje użyteczny mechanizm badań wspomaganych przez AI. Równoległe agenty mogą kwestionować przedwczesne wnioski i zachowywać pomysły, które jedna ścieżka rozumowania odrzuca.

Claude miał również dostęp do Sage, systemu oprogramowania używanego do obliczeń matematycznych. Mógł pisać kod, generować przykłady, testować hipotezy i porównywać wyniki z oczekiwaniami teoretycznymi.

Weryfikacja obliczeniowa nie zastąpiła rozumowania matematycznego. Zawęziła obszar poszukiwań i pomogła potwierdzić, czy abstrakcyjny atak działał na rzeczywistych instancjach HAWK.

Kompleksowa implementacja ma znaczenie, ponieważ argumenty kryptograficzne mogą zawieść przez drobne założenie lub błąd w złożoności. Odzyskanie znanego klucza testowego stanowi silniejszy dowód niż sama przekonująca proza.

Proces nie był jednak w pełni autonomiczny. Człowiek zarządzał projektem, proponował podejścia organizacyjne i kierował Claude’a ku użytecznym bibliotekom obliczeniowym.

Anthropic konsultował się także z zewnętrznymi naukowcami i udostępnił atak na HAWK jego autorom w czerwcu. Firma skoordynowała publiczne ujawnienie z odpowiednią listą mailingową NIST.

Ta sekwencja pokazuje wyłaniający się podział pracy. Modele mogą generować i testować wiele pomysłów kandydackich, podczas gdy ludzie wybierają cele, kwestionują założenia i zarządzają odpowiedzialnym ujawnianiem.

Praca Claude’a nad AES posunęła autonomię dalej. Badacz zbudował szkielet, który pozwalał modelowi proponować hipotezy, prowadzić eksperymenty i odrzucać nieudane podejścia.

Celem była siedmiorundowa forma AES-128. Pełne AES-128 stosuje dziesięć rund transformacji, dlatego badacze używają skróconych wersji, aby sprawdzić, czy techniki ataku zbliżają się do kompletnego szyfru.

Claude początkowo argumentował, że znacząca poprawa jest mało prawdopodobna. Prompty od ludzi wielokrotnie nakazywały systemowi utrzymać cel i szukać poza łatwymi podejściami.

Po kilku dniach model opracował metodę odcisków, którą nazwał Möbius Bridge. Metoda usunęła jedno zgadywanie z ustalonego ataku typu meet-in-the-middle.

Atak meet-in-the-middle przechowuje pośrednie obliczenia i dopasowuje je z obu kierunków. Ta technika zamienia duże wymagania pamięciowe na krótszy czas obliczeń.

Anthropic twierdzi, że nowa metoda przyspieszyła wcześniejszy atak od 200 do 800 razy. Jednak podstawowy model zagrożeń nadal zakłada dostęp do 2^105 wybranych tekstów jawnych.

Wymóg ten wykracza poza praktyczne możliwości zgromadzenia takich danych. Atak jest też wymierzony tylko w siedem rund, pozostawiając pełny dziesięciorundowy szyfr nienaruszony.

Badacze Anthropic spędzili następnie kilkaset godzin na walidacji ustalenia dotyczącego AES. Dwóch badaczy potrzebowało podobno niemal miesiąca, aby nabrać pewności co do jego poprawności.

Ta luka w weryfikacji może być najważniejszym mechanizmem w całej historii. AI może tworzyć wiarygodne odkrycia techniczne szybciej, niż wykwalifikowani ludzie są w stanie je poświadczyć.

Organizacje korzystające z tych systemów będą potrzebować trwałych zapisów badań. Przeszukiwalna baza wiedzy inżynierskiej może zachować hipotezy, kod, nieudane eksperymenty, recenzje i decyzje dotyczące ujawniania informacji.

Bez takiego zapisu szybkie generowanie staje się obciążeniem. Zespoły miałyby trudności z odróżnieniem rzeczywistego ataku od eleganckiego, lecz błędnego toku rozumowania.

Czego liczby nie pokazują

Żaden z wyników nie zagraża dziś szyfrowaniu produkcyjnemu, a dowody Anthropic nadal wymagają dalszej niezależnej weryfikacji.

Wynik dotyczący HAWK brzmi dramatycznie, ponieważ niemal o połowę zmniejsza efektywną siłę klucza tego schematu. Opis ten wymaga jednak dwóch zastrzeżeń.

Po pierwsze, HAWK jest kandydatem, a nie przyjętym standardem produkcyjnym. Organizacje nie polegają na nim przy zabezpieczaniu aktywnych systemów.

Po drugie, większe parametry HAWK nadal są niepraktyczne do zaatakowania. Wynik osłabia projekt i może zaszkodzić jego perspektywom standaryzacji, ale nie sprawia, że każdą konfigurację można natychmiast złamać.

Siła klucza również nie zmniejsza się poprzez prosty, fizyczny akt. Wartości 2^64 i 2^38 opisują szacowany nakład obliczeniowy w określonym modelu ataku.

Nie opisują one czasu, jaki upłynie na każdym komputerze. Sprzęt, wybory implementacyjne, pamięć i równoległość obliczeń wpływają na praktyczne wykonanie.

Wynik dotyczący AES wymaga jeszcze większej ostrożności. Claude nie złamał szyfrowania AES-128 stosowanego w całej współczesnej informatyce.

Ulepszył akademicki atak na wersję z siedmioma rundami zamiast dziesięciu. Badanie konstrukcji o ograniczonej liczbie rund pomaga naukowcom mierzyć marginesy bezpieczeństwa, lecz projekty te są celowo słabsze.

Założenie 2^105 wybranych tekstów jawnych również czyni atak niewykonalnym. Nawet znaczne przyspieszenie nie przekształca tej metody w narzędzie operacyjne.

Niezależni kryptografowie podkreślali to rozróżnienie. Chris Peikert, profesor kryptografii zaangażowany w badania nad kratami, opisał wynik dotyczący HAWK jako poważny atak matematyczny na schemat kandydujący.

Inni badacze ostrzegali przed przekładaniem wyniku dotyczącego AES na twierdzenia, że zwykłe zaszyfrowane dane są zagrożone. Obie opinie mogą być prawdziwe, ponieważ postęp badawczy i jego bezpośredni wpływ operacyjny to różne kwestie.

Samo Anthropic stwierdza, że żaden z głównych wyników nie wpływa na systemy produkcyjne. Z powodu tych ustaleń nie trzeba zmieniać żadnego wdrożonego oprogramowania.

Firma dodaje również, że atak na HAWK nie dotyczy innych kandydatów NIST w dziedzinie kryptografii postkwantowej. Tę granicę należy wyraźnie zaznaczać za każdym razem, gdy omawia się ten wynik.

Historyczne precedensy uzasadniają ostrożność, nie umniejszając jednak znaczenia tej pracy. Postkwantowy kandydat SIKE przetrwał lata zainteresowania, zanim badacze złamali go na zwykłym laptopie.

Ta porażka nie dowiodła, że cała kryptografia postkwantowa jest niepewna. Pokazała, że otwarta standaryzacja działa poprzez eliminowanie kandydatów z ukrytymi słabościami.

HAWK staje teraz przed podobnym testem. Jego projektanci mogą zmienić konstrukcję, zwiększyć parametry, zakwestionować analizę albo uznać, że kompromisy nie uzasadniają już standaryzacji.

Twierdzenie o czasie krótszym niż cztery godziny stwarza odrębny problem wiarygodności. Materiały źródłowe Anthropic podają 60 godzin na proces odkrycia i weryfikacji HAWK.

Mniejszy atak na HAWK-256 może zostać wykonany szybko po jego opracowaniu. Anthropic opisuje również nowszy atak na LEA o ograniczonej liczbie rund, który działa w czasie krótszym niż godzina.

Te odrębne fakty mogły zostać skondensowane w niedokładnym nagłówku. Czytelnicy nie powinni traktować takiego skrótu jako zweryfikowanej chronologii wydarzenia.

Ujęcie anthropic google może tworzyć kolejne zniekształcenie, jeśli stanie się tabelą wyników. Google nie zgłosiło HAWK, a Gemini nie zostało wskazane jako bezpośredni uczestnik tego testu.

Rola Google ma charakter kontekstowy. Jego badania matematyczne stanowią dowód, że kilka programów modeli frontierowych zmierza w kierunku oryginalnej pracy naukowej.

Najmocniejszy wniosek pozostaje węższy. Claude pomógł znaleźć poważną słabość w jednym proponowanym schemacie postkwantowym i ulepszył badania nad osłabionymi wersjami dwóch uznanych szyfrów.

To imponujący dowód na kryptanalizę wspomaganą przez AI. Nie jest to dowód, że Claude potrafi odblokować obecnie zaszyfrowaną komunikację.

Kryptanaliza AI przenosi wąskie gardło do procesu oceny przez ludzi

Bezpośrednia presja spada na recenzentów, organy normalizacyjne i zespoły bezpieczeństwa, które muszą weryfikować ustalenia generowane przez maszyny szybciej niż dotąd.

Tradycyjna ocena kryptograficzna zależy od stosunkowo niewielkiej społeczności specjalistów. Badacze publikują konstrukcje, analizują dowody, testują implementacje i przez kilka lat podważają założenia bezpieczeństwa.

Modele frontierowe mogą zwielokrotnić liczbę podejmowanych prób ataków. Mogą czytać obszerne zasoby literatury i prowadzić eksperymenty obliczeniowe bez typowych ograniczeń godzin pracy.

To rozszerzenie sprzyja obrońcom, gdy modele badają kandydatów do standardów przed ich przyjęciem. Dokładniejsza kontrola może ujawnić słabe założenia, gdy zmiana algorytmu pozostaje jeszcze wykonalna.

Ta sama zdolność tworzy ryzyko po wdrożeniu. Prawidłowy atak na powszechnie stosowany prymityw wymagałby ostrożnego ujawnienia, szybkiej walidacji, skoordynowanych poprawek i jasnej komunikacji publicznej.

Anthropic twierdzi, że przed publikacją konsultowało się ze środowiskiem akademickim, przedstawicielami rządów, partnerami branżowymi oraz autorami HAWK. Proces ten stanowi wczesny model postępowania z wynikami kryptograficznymi generowanymi przez AI.

Weryfikacja nadal jednak wymaga kosztownej uwagi ekspertów. Przypadek AES Anthropic wymagał znacznie więcej czasu ludzkiej walidacji niż czasu poświęconego przez model na odkrycie.

Ta asymetria pogorszy się, jeśli wyniki modeli będą rosnąć szybciej niż społeczność specjalistów. Badacze mogą otrzymywać setki technicznie wiarygodnych ataków, nie mając wystarczająco dużo czasu na zbadanie każdego z nich.

Automatyczne sprawdzanie może pomóc, gdy twierdzenie prowadzi do wykonywalnego odzyskania klucza. Klucze testowe HAWK można wygenerować, zaatakować i porównać ze znanymi odpowiedziami.

Ustalenia oparte głównie na dowodach są trudniejsze. Subtelny atak teoretyczny może zależeć od założeń, których kod testowy nie jest w stanie w pełni uchwycić.

Organy normalizacyjne zajmujące się kryptografią będą więc potrzebować nowych zasad zgłaszania wyników. Prace wspomagane przez maszyny powinny zawierać odtwarzalny kod, pełne oszacowania złożoności, założenia, przypadki niepowodzenia i szczegółowe informacje o pochodzeniu.

Te same wymagania obowiązują wewnątrz firm. Liderzy bezpieczeństwa nie powinni wdrażać poprawki wygenerowanej przez AI wyłącznie dlatego, że model wygenerował także przekonujący exploit.

Potrzebują rozdzielenia odkrycia od walidacji. Różni recenzenci, narzędzia i uruchomienia modeli powinny próbować podważyć każde twierdzenie.

Proces standardyzacji NIST zapewnia już część tej struktury. Zgłoszenia kandydatów są poddawane publicznej ocenie przed standaryzacją, co pozwala ujawnić słabości bez narażania użytkowników wdrożonych systemów.

AI może zwiększyć skalę oceny, ale nie może usunąć potrzeby zarządzania. System, który znajduje ataki, tworzy również wrażliwe informacje wymagające kontroli dostępu i dyscypliny ujawniania.

Konkurencja anthropic google tworzy dodatkowe bodźce, które zasługują na uwagę. Laboratoria zyskują, gdy ich modele wydają się zdolne do odkryć na poziomie ekspertów.

Bodźce te mogą zachęcać do użytecznej przejrzystości, w tym do publikowania prac i odtwarzalnych artefaktów. Mogą też nagradzać dramatyczną publiczną narrację, zanim niezależna ocena osiągnie konsensus.

Czytelnicy powinni więc rozróżniać trzy warstwy dowodów. Pierwszą jest opis firmy dotyczący tego, co zrobił model.

Drugą są odtwarzalne materiały techniczne, które inni badacze mogą przetestować. Trzecią jest niezależne potwierdzenie nowości, poprawności i znaczenia.

Anthropic udostępniło więcej niż komunikat prasowy. Opublikowało prace techniczne, kod demonstracyjny dla HAWK oraz przepisany zapis procesu rozumowania dotyczącego AES.

Dowody te sprawiają, że twierdzenia można testować. Nie czynią jednak krytycznej oceny opcjonalną.

Trzy sygnały do obserwowania po teście bezpieczeństwa Claude

Kolejna faza pokaże, czy był to odosobniony sukces, powtarzalna metoda badawcza, czy początek kryzysu walidacyjnego.

Pierwszym sygnałem jest status HAWK w procesie NIST. Recenzenci muszą zdecydować, czy większe parametry zachowują wystarczającą wydajność i bezpieczeństwo, by propozycja pozostała konkurencyjna.

Jeśli HAWK zostanie pomyślnie poprawiony, praca Claude będzie wyglądać jak produktywna ocena przed wdrożeniem. Jeśli kandydat zostanie wycofany, ustalenie wpłynie na rzeczywistą decyzję dotyczącą standardu.

Każdy z tych wyników wzmacnia wartość testowania wspomaganego przez AI. Odrzucenie nie oznaczałoby, że kryptografia postkwantowa jako całość poniosła porażkę.

Drugim sygnałem jest niezależne odtworzenie analizy AES. Badacze muszą zweryfikować metodę Möbius Bridge, jej oszacowania złożoności oraz deklarowaną przewagę szybkości.

Udane odtworzenie ustanowiłoby wynik Claude jako rzeczywiste rozszerzenie długiej linii badań kryptanalitycznych. Istotne korekty osłabiłyby twierdzenia o autonomicznej wydajności na poziomie ekspertów.

Trzecim sygnałem jest wydajność w przyszłych wersjach benchmarków. CryptanalysisBench oferuje wspólny test dla szyfrów blokowych, funkcji skrótu i innych prymitywów.

Badacze powinni obserwować, czy Claude, Gemini, GPT i modele o otwartych wagach odtwarzają znane ataki bez zanieczyszczenia danych. Nowe wyniki muszą również przejść ocenę ekspertów.

Stała poprawa przekształciłaby rywalizację anthropic google w wyścig zbrojeń na rzecz naukowych systemów badawczych. Nieregularne wyniki sugerowałyby, że struktura wspierająca i osąd badaczy pozostają ważniejsze niż marka modelu.

Zespoły bezpieczeństwa nie muszą zastępować szyfrowania produkcyjnego z powodu tego ogłoszenia. Powinny raczej zbadać, czy ich procesy oceny i ujawniania mogą przyjąć więcej ustaleń generowanych przez maszyny.

Przygotowanie obejmuje zachowywanie dzienników eksperymentów, oddzielanie odkrycia od zatwierdzenia oraz wskazanie ekspertów, zanim pojawi się pilne twierdzenie. Obejmuje także śledzenie wytycznych dotyczących standardów zamiast reagowania na skondensowane nagłówki.

Zgłoszony wyczyn w czasie krótszym niż cztery godziny nie powinien stać się trwałą wersją tej historii. Zweryfikowany projekt HAWK trwał około 60 godzin, a jego cel nie był wdrożony.

Rzeczywiste osiągnięcie Claude jest bardziej użyteczne niż przesadzone twierdzenie. Przeszukał trudną przestrzeń matematyczną, znalazł weryfikowalną słabość i zmusił ludzi do ponownego przemyślenia szybkości oceny kryptograficznej.

Pozostaje jedno praktyczne pytanie dla każdej organizacji zajmującej się bezpieczeństwem i badaniami: jeśli następny atak wygenerowany przez AI wpłynie na wdrożony system, kto go zweryfikuje, zanim nagłówek wyprzedzi dowody?