AI взломал постквантовый кандидат HAWK за 60 часов
Исследователи Anthropic использовали модель Claude Mythos Preview для анализа алгоритма цифровой подписи HAWK — одного из кандидатов третьего раунда стандартизации NIST для постквантовой криптографии. За 60 часов автономной работы ИИ нашел ранее неизвестную симметрию (нетривиальный автоморфизм) в решетке, на которой базируется безопасность HAWK.
Результат: эффективный размер ключа HAWK сократился вдвое. Чтобы достичь прежнего уровня защиты, разработчикам придется удвоить размер ключей, что делает алгоритм менее привлекательным для практического применения. До этого алгоритм выдержал два года экспертной проверки людьми.
Ускорение атак на AES в 800 раз
Второе достижение касается AES (Advanced Encryption Standard) — самого распространенного симметричного шифра. ИИ не сломал полную версию AES, но нашел способ атаковать ее урезанную версию (round-reduced AES). Найденный метод исключает одно из предположений атакующего, что ускоряет лучшие известные атаки в 200–800 раз.
Сравнение результатов атак
| Алгоритм | Статус | Результат атаки Claude | Влияние на безопасность |
|---|---|---|---|
| HAWK | Кандидат NIST (PQC) | Снижение эффективного размера ключа в 2 раза | Требуется удвоение размера ключей; алгоритм стал менее эффективен |
| AES (reduced) | Стандарт (не полная версия) | Ускорение атаки в 200–800 раз | Нет угрозы для production-систем, так как полная версия не сломана |
Цена и масштаб исследования
Каждое из двух основных открытий обошлось примерно в $100,000 на использование API. Исследование проводилось в полуавтономном режиме: один исследователь работал с Claude над HAWK, другой создал каркас для полностью автономного поиска уязвимости в AES. Anthropic также совместно с ETH Zurich и другими университетами создала бенчмарк CryptanalysisBench для оценки способностей LLM в криптоанализе.
Почему это важно
Хотя текущие production-системы не подвержены риску (HAWK не развернут, AES не сломан полностью), результаты демонстрируют, что мощные AI-модели могут находить математические изъяны быстрее и эффективнее человека. Это требует пересмотра подходов к аудиту криптографических алгоритмов: теперь ИИ может выступать как в роли защитника, так и в роли атакующего, находя скрытые симметрии и уязвимости, которые годами оставались незамеченными.
Источник: Anthropic ↗