Anthropic Claude Descobre Novos Ataques contra HAWK e AES com Rodadas Reduzidas

O Anthropic Claude produziu dois ataques criptográficos notáveis, embora nenhum deles ameace hoje softwares ou dados criptografados em produção. O Claude Mythos Preview enfraqueceu o esquema de assinatura HAWK proposto e acelerou um ataque contra o AES-128 de sete rodadas.

A história imediata é tranquilizadora. O HAWK continua sendo candidato em um processo público de revisão, enquanto o AES-128 padrão usa dez rodadas, e não sete. A Anthropic afirma explicitamente que nenhum software em produção precisa mudar em razão de qualquer um dos resultados.

O conflito mais profundo diz respeito a quem realiza a criptoanálise avançada e à velocidade com que o setor consegue validar o trabalho resultante. A Anthropic afirma que seu sistema multiagente chegou a um resultado após cerca de 60 horas e gerou o outro em grande parte de forma autônoma em uma semana. Pesquisadores humanos então passaram muito mais tempo verificando o trabalho sobre AES.

Esse desequilíbrio muda o significado do anúncio. O desenvolvimento importante não é que o Anthropic Claude tenha quebrado a criptografia da internet. Não quebrou. O desenvolvimento é que um sistema de IA gerou ataques matemáticos críveis contra esquemas já examinados por pesquisadores especialistas.

O Que o Anthropic Claude Realmente Descobriu

Os dois resultados avançam a pesquisa criptográfica, mas nenhum constitui um ataque prático à segurança atual da internet.

A Anthropic divulgou o trabalho em 28 de julho de 2026, por meio de sua Frontier Red Team. A empresa publicou artigos técnicos separados sobre recuperação de chaves do HAWK e um ataque aprimorado contra o AES-128 de sete rodadas.

As descobertas criptográficas diferem das vulnerabilidades de software que a Anthropic havia atribuído anteriormente ao Mythos Preview. Essas descobertas anteriores frequentemente envolviam erros de implementação, nos quais o software usava incorretamente um algoritmo sólido.

Esta pesquisa tem como alvo os próprios projetos matemáticos. Essa distinção importa porque a auditoria de implementações e a criptoanálise exigem formas diferentes de raciocínio.

Um bug de implementação pode envolver acesso inseguro à memória, uma verificação de limites incorreta ou um fluxo de autenticação falho. Pesquisadores frequentemente conseguem reproduzir esses erros executando código e observando uma falha ou uma ação não autorizada.

A criptoanálise pergunta se um algoritmo fornece a segurança esperada por seus projetistas sob um modelo de ameaça matemático definido. Um ataque proposto precisa ser novo, internamente consistente e menos custoso do que a melhor alternativa conhecida.

O primeiro resultado diz respeito ao HAWK, um candidato a assinatura digital pós-quântica. Assinaturas digitais permitem que um destinatário verifique a origem de uma mensagem e detecte alterações não autorizadas.

O HAWK faz parte de um processo do NIST para avaliar assinaturas adicionais projetadas para resistir a ataques de futuros computadores quânticos. Não é um padrão de internet implantado.

Segundo a Anthropic, o HAWK havia passado por duas rodadas de revisão especializada ao longo de dois anos. O Mythos Preview então identificou uma simetria matemática inexplorada na estrutura de reticulado que sustenta o esquema.

O sistema usou essa simetria para criar um método mais rápido de recuperação de chaves. A recuperação de chaves busca reconstruir uma chave privada de assinatura a partir de informações públicas.

Para os pequenos parâmetros de desafio HAWK-256, a Anthropic afirma que o custo esperado do ataque caiu de 2^64 operações para 2^38. O HAWK-256 foi deliberadamente incluído como alvo de criptoanálise, e não como um conjunto de parâmetros recomendado para produção.

O ataque continua exponencial, o que significa que seu custo segue crescendo rapidamente com o tamanho da chave. A Anthropic também afirma que parâmetros maiores do HAWK continuam impraticáveis de atacar.

No entanto, preservar o nível de segurança pretendido exigiria chaves substancialmente maiores. Essa mudança reduziria a compactação e a eficiência que tornavam o HAWK atraente.

O segundo resultado se aplica a uma forma deliberadamente enfraquecida do AES-128. O AES-128 padrão transforma dados por meio de dez rodadas repetidas, enquanto o alvo da pesquisa usa apenas sete.

Acadêmicos estudam cifras de rodadas reduzidas para medir suas margens de segurança e desenvolver técnicas que possam expor fraquezas estruturais mais profundas. Quebrar uma variante de pesquisa desse tipo não significa que a cifra completa foi quebrada.

O Mythos Preview aprimorou um ataque meet-in-the-middle, que reduz a computação ao salvar e comparar resultados intermediários. Ele projetou uma técnica de fingerprinting que a Anthropic chama de Möbius Bridge.

A técnica elimina uma hipótese envolvendo 256 valores possíveis. Após contabilizar seu custo computacional adicional, a Anthropic estima uma melhora de velocidade entre 200 e 800 vezes.

Isso parece dramático, mas o cenário subjacente continua impraticável. O ataque pressupõe acesso a 2^105 textos claros escolhidos, que são entradas selecionadas por um atacante e criptografadas sob uma chave desconhecida.

A Anthropic estima ainda que implementar até mesmo esse ataque de rodadas reduzidas exigiria recursos muito além dos disponíveis para atacantes comuns. O AES-128 completo, de dez rodadas, permanece inalterado.

Esses limites devem acompanhar toda descrição da manchete. Chamar as descobertas de uma quebra do AES ou de uma falha na criptografia da internet distorceria a pesquisa.

Por Que o Resultado do HAWK Pressiona a Revisão Criptográfica

O ataque contra HAWK pressiona a velocidade e a cobertura da revisão humana, não sistemas que já usam padrões pós-quânticos.

O NIST começou a buscar esquemas adicionais de assinatura pós-quântica para ampliar as opções de projeto disponíveis. Competições públicas permitem que pesquisadores independentes inspecionem propostas, contestem suas premissas e identifiquem parâmetros inseguros antes da padronização.

O HAWK chegou à terceira rodada dessa revisão de assinaturas. Seu projeto enfatiza assinaturas compactas, operações rápidas e requisitos modestos de memória, inclusive em hardware com recursos limitados.

Sua segurança direta de recuperação de chaves depende de uma estrutura matemática chamada problema do isomorfismo de reticulados. O problema pergunta se dois reticulados estão relacionados por meio de uma transformação que preserva sua estrutura essencial.

Pesquisas anteriores estabeleceram que encontrar um automorfismo útil, um mapeamento de simetria de um reticulado sobre si mesmo, poderia viabilizar um ataque. A questão não resolvida era se a construção específica do HAWK expunha um automorfismo acessível.

A Anthropic afirma que o Mythos Preview encontrou essa simetria e construiu um pipeline de verificação de ponta a ponta. O ataque de enumeração resultante busca possíveis chaves com mais eficiência do que técnicas anteriores.

O processo utilizou vários workers do Claude dentro de uma estrutura agentiva. Uma estrutura agentiva combina prompts, ferramentas, registros compartilhados e coordenação de tarefas para que modelos possam perseguir um objetivo de pesquisa de longo prazo.

Os workers podiam consultar pesquisas publicadas e usar sistemas computacionais como Python e Sage. Um operador humano forneceu gerenciamento de projeto e orientação não técnica ocasional.

O relato da Anthropic oferece um detalhe importante sobre pesquisa multiagente. Dois workers examinaram a ideia crítica, mas um a rejeitou prematuramente. O segundo continuou e encontrou um caminho viável.

Os workers trocaram mensagens até que ambos aceitassem o ataque. Isso se assemelha mais a uma investigação científica paralela do que a um único chatbot produzindo uma resposta.

Encontrar e verificar o ataque contra HAWK levou cerca de 60 horas, segundo a Anthropic. O operador humano tinha experiência em ciência da computação teórica, mas não possuía especialização em criptografia de reticulados.

A empresa compartilhou o ataque com os autores do HAWK em junho. Em seguida, coordenou a divulgação pública com a lista de e-mails relevante do NIST.

Esse processo se aproxima mais de uma revisão criptográfica responsável do que de uma divulgação oportunista de vulnerabilidades. O HAWK foi submetido publicamente para que pesquisadores pudessem buscar fraquezas antes da implantação.

Portanto, o resultado mostra o processo do NIST funcionando como pretendido. Um candidato recebeu escrutínio adversarial, surgiu uma fraqueza e os avaliadores obtiveram novas evidências antes de aprovar um padrão.

A história oferece uma comparação útil. O SIKE, outro candidato pós-quântico, sobreviveu a ampla atenção antes que pesquisadores encontrassem um ataque clássico devastador em 2022.

Esse ataque conseguia recuperar uma chave secreta em um laptop comum. A falha do SIKE foi muito mais grave do que o novo resultado sobre HAWK, mas reforçou o valor de uma longa revisão pública.

A diferença agora é a origem da pressão. Um sistema de IA multiagente pode pesquisar a literatura, gerar hipóteses, executar experimentos e coordenar abordagens concorrentes sem descanso.

Isso não torna suas conclusões confiáveis por padrão. Mas aumenta o número de caminhos de ataque críveis que especialistas talvez precisem examinar.

Assim, organizações criptográficas precisarão de mais do que acesso a modelos. Elas precisam de sistemas de revisão que preservem hipóteses fracassadas, reproduzam cálculos, comparem trabalhos anteriores e encaminhem descobertas promissoras a especialistas qualificados.

O alvo da pressão é o pipeline de validação humana. Se sistemas de IA gerarem ataques plausíveis mais rápido do que especialistas conseguem rejeitá-los ou confirmá-los, as filas de revisão se tornam uma restrição de segurança.

Essa restrição afeta organismos de padronização, conferências acadêmicas, fornecedores e órgãos governamentais. Cada grupo depende de especialistas escassos capazes de distinguir um avanço genuíno de um erro matemático sutil.

O resultado sobre HAWK oferece uma verificação excepcionalmente forte porque a Anthropic implementou o ataque de ponta a ponta. Pesquisadores podem escolher uma chave, executar o método e observar se ele recupera essa chave.

Nem todo resultado futuro permitirá testes tão diretos. Algumas alegações dependerão de raciocínio assintótico, limites de probabilidade complicados ou premissas difíceis de reproduzir experimentalmente.

A IA pode expandir a superfície de busca. As instituições humanas precisam expandir com ela a superfície de verificação.

O Ataque ao AES com Rodadas Reduzidas Mostra o Mecanismo

O resultado sobre AES importa porque Claude criou uma nova otimização por meio de experimentação contínua, não porque o AES-128 completo tenha se tornado inseguro.

O NIST padronizou a cifra AES em 2001. O AES-128 aplica dez rodadas de substituições, permutações e operações dependentes da chave a cada bloco de dados.

Sua longa história o torna um alvo de pesquisa excepcionalmente difícil. Criptógrafos examinaram o AES mais intensamente do que quase qualquer outra cifra simétrica.

Essa maturidade também explica por que pesquisadores estudam versões com menos rodadas. A análise de rodadas reduzidas revela quanta proteção cada rodada adicional oferece e se novas técnicas se aproximam do projeto completo.

A Anthropic pediu ao Mythos Preview que aprimorasse o mais forte ataque publicado contra o AES-128 de sete rodadas. Inicialmente, o modelo resistiu, alegando que o problema não oferecia um caminho fácil.

Pesquisadores mudaram a estrutura para que os agentes continuassem buscando ideias genuinamente novas. Eles também redirecionaram repetidamente Claude para sete rodadas quando ele tentava alvos mais fáceis.

O sistema gerou várias centenas de milhões de tokens durante seus primeiros três dias de investigação. A Anthropic afirma que ele acabou produzindo um bilhão de tokens de saída enquanto refinava o método completo.

O volume por si só não comprova inteligência nem qualidade de pesquisa. Mas revela uma vantagem da experimentação automatizada: o sistema pode explorar, descartar e recombinar ideias em uma escala indisponível a um único pesquisador.

A Möbius Bridge resultante atua como uma impressão digital invariante a uma suposição antes necessária. Invariância significa que a impressão digital continua útil mesmo quando esse valor específico muda.

Trabalhos anteriores precisavam enumerar 256 valores e compará-los com uma tabela de consulta pré-computada. Em teoria, eliminar essa etapa reduz o trabalho relevante por um fator de 256.

A nova transformação também adiciona sobrecarga. Por isso, a Anthropic relata uma melhoria analítica prática de 200 a 800 vezes, dependendo de como os pesquisadores medem o tempo de execução.

O ataque continua sendo uma técnica meet-in-the-middle. Esses métodos trocam armazenamento por velocidade ao calcular valores a partir de direções opostas e buscar um estado interno correspondente.

Esses ataques podem superar a força bruta sem revelar uma falha simples na cifra. Sua viabilidade depende do acesso aos dados, dos requisitos de memória, da computação e do número de rodadas envolvidas.

Aqui, o requisito de dados assumido é de 2^105 textos claros escolhidos. Esse número está astronomicamente além de qualquer cenário realista de coleta.

O alvo também omite três das dez rodadas do AES-128. Essas rodadas adicionais aumentam muito a dificuldade de estender a técnica à cifra padrão.

O artigo da Anthropic, portanto, contribui para o registro acadêmico de ataques contra AES com rodadas reduzidas. Ele não fornece a criminosos um método viável para descriptografar tráfego bancário, arquivos armazenados ou mensagens privadas.

O mecanismo mais importante está acima da cifra. Um pesquisador construiu a estrutura, e então Claude propôs hipóteses de forma autônoma, testou-as, leu críticas e transferiu descobertas entre agentes.

O sistema não retornou uma única resposta polida após um único prompt. Ele operou como uma organização de pesquisa comprimida em software, com múltiplas tentativas e suporte computacional persistente.

Essa abordagem se assemelha a métodos usados por outros laboratórios de fronteira. Google DeepMind e OpenAI aplicaram busca assistida por modelos a problemas difíceis de matemática, algoritmos e ciência.

A direção compartilhada é mais significativa do que qualquer pontuação isolada de benchmark. A capacidade dos modelos depende cada vez mais do sistema ao redor, incluindo ferramentas, memória, verificação e trabalhadores paralelos.

A criptoanálise é adequada a essa configuração porque muitas ideias podem ser testadas computacionalmente. Um modelo pode buscar padrões, implementar transformações candidatas e compará-las com resultados conhecidos.

Ainda assim, a criptografia pune erros mínimos. Uma condição omitida, uma suposição de dados subestimada ou um termo de complexidade incorreto pode invalidar um artigo que, de outro modo, pareça convincente.

Isso cria a troca central. A pesquisa automatizada amplia a oferta de descobertas candidatas, enquanto a validação por especialistas continua lenta e cara.

Os pesquisadores da Anthropic reconhecem diretamente esse desequilíbrio. Mythos Preview precisou de cerca de uma semana para desenvolver o resultado sobre AES, enquanto dois pesquisadores passaram quase um mês construindo confiança nele.

Eles também dedicaram várias centenas de horas para aprender criptografia o suficiente para avaliar o método. A Anthropic observa que esses pesquisadores não eram especialistas em criptografia.

Essa admissão reforça a necessidade de revisão independente. Também torna o resultado mais interessante, porque o sistema aparentemente ajudou não especialistas a entrar em um campo tecnicamente exigente.

A próxima etapa não deve remover especialistas do processo. Deve fornecer a eles artefatos reproduzíveis, raciocínio estruturado, testes executáveis e comparações claras com pesquisas anteriores.

A Alegação É Impressionante, mas a Verificação É o Gargalo

A Anthropic divulgou evidências relevantes, mas a alegação mais ampla de criptografia em nível de especialista ainda exige validação independente e repetida.

O argumento cético mais forte não nega os dois ataques. Ele questiona o que eles estabelecem sobre a capacidade geral de pesquisa.

Ambos os alvos foram selecionados e enquadrados por pesquisadores da Anthropic. Os agentes receberam acesso à literatura relevante, ferramentas computacionais, prompts repetidos e uma estrutura criada para esse propósito.

Muitas sessões não produziram nenhuma descoberta útil. O relato publicado pela Anthropic se concentra nas trajetórias bem-sucedidas, o que dificulta estimar a taxa geral de sucesso.

O modelo também exigiu um esforço computacional incomumente grande. Um bilhão de tokens gerados não é uma carga de trabalho interativa normal, mesmo para organizações de pesquisa bem financiadas.

Essa escala muda a comparação com humanos. A pergunta relevante não é se uma resposta de Claude superou um criptógrafo.

Uma comparação justa deve considerar computação total, preparação humana, refinamento de prompts, tentativas fracassadas, tempo de validação e acesso à literatura especializada. Ela também deve medir a novidade em problemas não vistos.

A Anthropic colaborou com acadêmicos da ETH Zurich, Tel Aviv University e TU Berlin para criar o CryptanalysisBench. O benchmark reúne esquemas criptográficos para avaliação padronizada de modelos.

Os primeiros resultados de benchmark sugerem que modelos de fronteira podem resolver tarefas criptoanalíticas conhecidas e novas. No entanto, benchmarks podem se tornar menos informativos quando desenvolvedores os otimizam diretamente.

Grupos independentes devem reproduzir a implementação de HAWK, verificar a análise de complexidade do AES e testar a mesma estrutura em esquemas ainda não explorados. Réplicas malsucedidas enfraqueceriam a alegação mais ampla sobre capacidade.

O sucesso em vários alvos não divulgados a fortaleceria. A Anthropic mencionou resultados preliminares envolvendo LEA com rodadas reduzidas, Serpent-128, Salsa20, Poseidon e SHA-1.

Essas alegações adicionais exigem níveis diferentes de confiança. A Anthropic afirma que seu ataque a LEA funciona de ponta a ponta, tornando a verificação direta mais fácil.

Outras melhorias permanecem limitadas ou preliminares. Elas não devem receber o mesmo peso probatório de uma demonstração implementada de recuperação de chave.

O trabalho sobre AES apresenta um problema de validação mais difícil. Pesquisadores podem inspecionar sua derivação e seus experimentos computacionais, mas o ataque completo continua impraticável de executar em escala total.

Portanto, especialistas precisam validar o raciocínio em vez de simplesmente executar todo o ataque. Esse processo pode revelar suposições ocultas ou erros de contabilização.

Outra incerteza diz respeito à autoria. O modelo gerou as ideias centrais, mas humanos selecionaram objetivos, mantiveram o ambiente de testes, redirecionaram buscas fracassadas e prepararam os artigos finais.

Chamar o trabalho de totalmente autônomo apagaria essas intervenções. Chamá-lo de uso comum de ferramentas apagaria a geração independente de hipóteses e a experimentação prolongada do sistema.

“Majoritariamente autônomo” é a descrição mais defensável. Ela reconhece uma agência substancial da máquina sem fingir que a pesquisa surgiu sem escolhas humanas.

O ambiente de divulgação também importa. A Anthropic controla o acesso ao Mythos Preview porque o modelo pode apoiar tanto pesquisas defensivas quanto operações ofensivas.

Esse acesso restrito torna a avaliação independente mais difícil. Pesquisadores externos não conseguem repetir facilmente o fluxo de trabalho usando o mesmo modelo, as mesmas configurações e o mesmo orçamento computacional.

Desde então, Mythos Preview foi sucedido por Mythos 5, que a Anthropic limita a parceiros avaliados. O controle de acesso reduz o uso indevido imediato, mas concentra a pesquisa avançada em segurança em um pequeno grupo.

Isso cria outra troca entre segurança e escrutínio científico. A ampla disponibilização favorece a replicação, enquanto a disponibilização restrita reduz o número de atores capazes de transformar descobertas em armas.

Nenhuma política de acesso resolve completamente esse conflito. Um programa defensável precisa de avaliadores externos confiáveis, ambientes controlados de reprodução e divulgação suficiente de prompts para examinar o processo de pesquisa.

A Anthropic tomou medidas úteis ao divulgar artigos técnicos, código de demonstração para HAWK e um relato reconstruído do raciocínio de Claude sobre AES. Esses artefatos fornecem mais evidências do que uma alegação de marketing isolada.

Ainda assim, o raciocínio reconstruído não é uma trilha de auditoria perfeita. A Anthropic afirma que o documento publicado expande a cadeia de pensamento original do modelo para facilitar a leitura.

Avaliações futuras devem enfatizar registros executáveis em vez de transcrições narrativas. Os logs devem conectar hipóteses, código, resultados experimentais e alegações finais sem expor detalhes operacionais perigosos.

Os criptógrafos também precisarão de sistemas melhores para triagem. Uma fila contendo milhares de artigos plausíveis pode sobrecarregar uma comunidade mesmo quando a maioria das submissões está errada.

Críticos automatizados podem ajudar, mas usar um modelo para validar outro cria riscos de falhas correlacionadas. Métodos formais independentes e revisão por especialistas continuam necessários.

A comunidade de pesquisa deve evitar dois erros opostos. Não deve descartar o trabalho porque a IA contribuiu para ele, nem tratar a matemática gerada por modelos como correta por padrão.

A demonstração de HAWK é concreta. O artigo sobre AES é detalhado. A alegação geral de que modelos de fronteira agora se igualam aos melhores criptógrafos continua sendo uma hipótese que exige evidências mais amplas.

A Mudança Real É da Escassez de Descobertas para a Escassez de Validação

Anthropic Claude muda a economia da geração de hipóteses criptográficas antes de mudar a segurança dos algoritmos implantados.

Historicamente, a criptografia dependeu de uma pequena comunidade de especialistas para projetar esquemas e atacá-los. Uma revisão de alta qualidade exige anos de formação e atenção sustentada.

Essa estrutura cria uma distribuição desigual de escrutínio. AES atrai análises extensas, enquanto cifras especializadas e padrões regionais podem receber muito menos atenção.

A Anthropic argumenta que sistemas de IA podem examinar essa longa cauda. Se essa alegação se confirmar, algoritmos negligenciados poderão receber testes mais profundos sem atribuir uma equipe humana completa a cada um deles.

O valor defensivo é claro. Organizações de padronização poderiam realizar revisões baseadas em agentes antes de aceitar novos esquemas e, em seguida, fornecer aos especialistas descobertas classificadas e reproduzíveis.

Equipes de produto poderiam usar sistemas semelhantes para comparar suas implementações com especificações formais. Isso combinaria revisão matemática com a descoberta convencional de vulnerabilidades.

O risco é igualmente claro. O mesmo fluxo de trabalho pode procurar fraquezas em criptossistemas implantados que tenham valor imediato para atacantes.

Falhas criptográficas diferem de bugs comuns de software porque a correção pode exigir novos padrões, novas chaves, atualizações de hardware e longos períodos de migração. Alguns dados históricos criptografados podem continuar expostos depois disso.

As descobertas atuais não criam essa crise. Elas mostram um fluxo de trabalho capaz de avançar em direção a alvos cada vez mais difíceis.

A avaliação de abril da Anthropic sobre Mythos Preview já descrevia um modelo capaz de descobrir e explorar vulnerabilidades sutis de software. A empresa limitou o acesso por meio do Project Glasswing porque as capacidades ofensivas e defensivas se sobrepõem.

A criptoanálise estende essa preocupação para além do código. Uma implementação correta não pode proteger os usuários quando seu algoritmo subjacente tem uma fraqueza estrutural explorável.

Isso não significa que AES em sua potência total seja o próximo alvo. Cifras fortes incluem margens de segurança generosas justamente porque os pesquisadores esperam ataques contra variantes simplificadas.

A resposta correta é preparação, não pânico. As organizações devem inventariar dependências criptográficas e preservar a capacidade de substituir algoritmos sem reconstruir sistemas inteiros.

Órgãos de padronização devem adicionar análise assistida por IA a competições públicas, documentando como as descobertas dos modelos são verificadas. Fornecedores devem evitar criptografia proprietária que não tenha revisão externa contínua.

Os pesquisadores também devem tratar a capacidade de validação como infraestrutura. A computação pode criar mais resultados candidatos, mas a atenção humana qualificada não consegue escalar no mesmo ritmo.

As universidades talvez precisem de formação que combine criptografia clássica, verificação automatizada de teoremas e supervisão de agentes. As equipes de segurança precisarão de revisores capazes de inspecionar tanto provas quanto código gerado.

Os registros de pesquisa se tornarão cada vez mais importantes. As equipes devem reter os artigos, prompts, experimentos, hipóteses rejeitadas e decisões de validação por trás de cada conclusão.

Uma base de conhecimento pesquisável pode apoiar esse trabalho ao preservar documentos-fonte e conectar alegações às evidências. O objetivo é a rastreabilidade, não a aceitação automatizada.

Os incentivos de publicação também podem precisar de ajustes. Produzir muitos ataques plausíveis é menos valioso do que produzir um conjunto menor com verificação reproduzível.

Conferências e grupos de padronização poderiam exigir que trabalhos gerados por máquina divulguem orçamentos computacionais, intervenções humanas, execuções malsucedidas e métodos de validação. Esses detalhes permitiriam comparações mais justas.

As equipes de segurança devem distinguir três níveis de evidência.

Primeiro, um modelo pode sugerir um conceito de ataque. Isso é uma pista de pesquisa, não uma descoberta.

Segundo, o sistema pode fornecer uma análise matemática e experimentos de apoio. Isso é um resultado candidato que exige revisão de especialistas.

Terceiro, pesquisadores podem implementar o ataque de ponta a ponta e reproduzi-lo de forma independente. Isso oferece a confirmação prática mais forte.

O trabalho sobre HAWK se aproxima do terceiro nível. O resultado sobre AES depende mais fortemente de análise porque seus requisitos computacionais completos impedem a execução integral.

Manter esses níveis separados evita alegações sensacionalistas. Isso também garante que contribuições de IA genuinamente importantes recebam o crédito apropriado.

O contexto competitivo mais amplo inclui todos os laboratórios de fronteira que desenvolvem modelos com raciocínio mais forte e operação autônoma mais longa. A criptoanálise não permanecerá uma capacidade exclusiva da Anthropic.

Modelos abertos podem eventualmente reduzir essa diferença, enquanto sistemas de pesquisa especializados podem superar modelos gerais em domínios matemáticos selecionados. O acesso a poder computacional e a estruturas de apoio de alta qualidade moldará essa disputa.

Portanto, a competição provável não é Claude contra um único chatbot rival. É entre defensores assistidos por IA e atacantes assistidos por IA, com a velocidade de verificação determinando quem se beneficia primeiro.

Os defensores têm vantagens estruturais quando conseguem revisar esquemas antes da implantação e coordenar correções de forma privada. Os atacantes ganham vantagem quando sistemas vulneráveis permanecem expostos por anos.

Os dois resultados da Anthropic favorecem o lado defensivo. HAWK foi identificado antes da implantação, e o experimento com AES teve como alvo uma variante acadêmica intencionalmente enfraquecida.

Descobertas futuras podem não surgir em circunstâncias tão convenientes. Essa possibilidade torna os sistemas de divulgação responsável e a agilidade criptográfica mais urgentes.

O Que Observar Após as Descobertas do Anthropic Claude

Três sinais indicarão se esta pesquisa representa uma mudança duradoura de capacidade ou um par impressionante de resultados isolados.

O primeiro sinal é a validação técnica independente. Criptógrafos de fora da Anthropic devem reproduzir o ataque ao HAWK e revisar cuidadosamente as premissas, a complexidade e a novidade do artigo sobre AES.

A confirmação reforçaria a alegação de que Mythos Preview produziu contribuições legítimas para a pesquisa. Correções substanciais restringiriam o resultado e exporiam fragilidades no processo de validação da Anthropic.

O segundo sinal é o tratamento de HAWK pelo NIST. Os avaliadores podem rejeitar os parâmetros existentes, solicitar chaves maiores, incentivar um redesenho ou remover o candidato da consideração.

Uma revisão de parâmetros mostraria que o ataque alterou a proposta sem destruir seus fundamentos. A remoção indicaria que a perda de eficiência prejudicou a proposta de valor do HAWK.

O terceiro sinal é o desempenho em novos esquemas ainda não vistos. A Anthropic planeja novos experimentos e a continuidade do trabalho com CryptanalysisBench.

Avanços repetidos em diferentes estruturas criptográficas sustentariam uma capacidade geral de pesquisa. O sucesso apenas em alvos com forte estrutura de apoio sugeriria uma ferramenta mais limitada.

Os leitores também devem observar a relação entre o tempo de descoberta e o tempo de validação. Essa métrica operacional pode importar mais do que as pontuações em benchmarks.

Se os modelos produzirem descobertas críveis em dias enquanto humanos precisarem de semanas para verificar cada uma delas, as organizações enfrentarão um acúmulo crescente de revisões. Modelos melhores, por si só, não resolverão isso.

Um próximo passo convincente combinaria especialistas independentes, verificação formal, demonstrações executáveis e registros completos de pesquisa. Também relataria execuções malsucedidas e o uso total de recursos.

Para desenvolvedores e compradores empresariais, este anúncio não exige uma migração emergencial. O AES-128 padrão permanece intacto, e HAWK não entrou em produção.

A ação prática é confirmar que os sistemas usam algoritmos aprovados com todas as rodadas, mantêm bibliotecas atualizadas e documentam dependências criptográficas. Evite interpretar pesquisas com rodadas reduzidas como evidência de que dados criptografados já estão expostos.

Para pesquisadores, a oportunidade é mais imediata. Sistemas agentes podem pesquisar mais amplamente, testar mais hipóteses e preservar linhas paralelas de investigação.

A responsabilidade é manter suas alegações auditáveis. A criptografia não pode aceitar um resultado apenas porque um modelo capaz gerou matemática persuasiva.

O Anthropic Claude forneceu dois objetos sérios de pesquisa, não uma emergência de segurança em toda a internet. Sua importância duradoura depende de replicação, decisões de padronização e desempenho além desses alvos selecionados.

A próxima questão é prática: especialistas independentes conseguem verificar esses ataques mais rapidamente do que sistemas de fronteira produzem o próximo conjunto? A resposta determinará se a IA amplia a garantia criptográfica ou a sobrecarrega.