Anthropic用Claude发现密码学算法漏洞，攻击效率提升数百倍

Anthropic研究团队近日公布了一项重要发现：旗下AI模型Claude Mythos Preview能够自主识别密码学算法本身的数学缺陷，而非仅限于发现代码实现层面的错误。此前，Mythos已展示出在几乎所有被测软件中自主发现并利用漏洞的能力，包括多个主流密码学库中的实现错误。此次研究将目标转向算法底层数学结构，标志着AI辅助密码分析进入新阶段。

第一项成果针对HAWK数字签名方案。HAWK是NIST后量子密码标准化竞赛第三轮候选方案之一，其安全性建立在「格同构问题」的数学难度之上。Mythos发现了HAWK所用格结构中一种此前未被利用的非平凡自同构，使得攻击者可以更快速地进行枚举攻击，将有效密钥强度削减一半。这一过程仅耗时约60小时，而此前该方案已经历两年、两轮人类专家的严格审查。

第二项成果针对高级加密标准AES的简化版本。AES自2001年被NIST采纳以来，是全球使用最广泛的对称加密算法，也是密码学界研究最为深入的算法之一。研究人员通常通过攻击其简化轮次版本来评估算法整体健壮性。Mythos找到了一种新的攻击路径，消除了攻击者需要进行的一次猜测步骤，将此前最优攻击速度提升了200至800倍。

需要强调的是，上述两项发现均不对现实生产系统构成直接威胁。HAWK目前仍处于候选阶段，尚未在任何实际产品中部署；AES攻击仅针对简化版本，完整版AES的安全性未受影响。Anthropic表示，这正是密码学研究应有的运作方式——通过压力测试来建立信任、强化系统安全，而非等到算法大规模部署后才发现问题。

在研究组织方式上，HAWK攻击由一名Anthropic研究员与Claude协作完成，历时约一周；AES攻击则由研究员搭建自动化框架后，由Claude完全自主完成。两项研究的API调用成本各约10万美元。Anthropic全程遵循负责任披露流程，提前与HAWK作者、美国政府及行业合作伙伴沟通，并在公开发布的同时协调向NIST邮件列表披露相关信息。

为推动学术界对大语言模型密码分析能力的系统性研究，Anthropic联合ETH苏黎世、特拉维夫大学和海法大学共同构建了开源基准测试集CryptanalysisBench，整合了多种密码算法，便于研究者评估不同LLM在该领域的能力边界。Anthropic表示，团队在上述两项主要发现之外还发现了其他攻击路径，相关细节将在近期陆续公开。

要点

• Claude Mythos Preview在60小时内发现HAWK后量子签名方案的格自同构漏洞，将有效密钥强度削减一半，超越了两年人类专家审查的成果
• Mythos对AES简化版本的新攻击路径将此前最优攻击速度提升200至800倍，展示了AI在经典密码算法分析中的突破潜力
• 两项发现均不影响现有生产系统安全，Anthropic遵循负责任披露原则，提前通知算法作者及美国政府相关机构
• 单项研究的API调用成本约为10万美元，AI辅助密码分析的规模化应用仍面临较高成本门槛
• Anthropic联合多所高校推出CryptanalysisBench开源基准，旨在推动学界系统评估大语言模型的密码分析能力