Anthropic anunció el 28 de julio de 2026 que un modelo interno de inteligencia artificial, Claude Mythos Preview, encontró debilidades matemáticas reales en los algoritmos criptográficos que ayudan a proteger Internet, incluido un candidato para la próxima generación de cifrado poscuántico que expertos humanos habían estudiado durante más de dos años sin éxito.
Los hallazgos, publicados junto con artículos de investigación y detallados en una publicación de blog de Anthropic titulada "Descubriendo debilidades criptográficas con Claude", marcan una de las demostraciones más sorprendentes hasta la fecha de grandes modelos de lenguaje que contribuyen a las matemáticas avanzadas. Según The New York Times, que informó por primera vez los resultados, el trabajo muestra cómo los sistemas de inteligencia artificial podrían comenzar a desafiar los supuestos centrales detrás de la seguridad digital. Para conocer los últimos desarrollos de IA y una cobertura más profunda de la investigación de vanguardia, los lectores pueden seguir AI Buzz Wire.
Dos avances: AES y HAWK
Mythos produjo dos resultados distintos. El primero fue un ataque mejorado a HAWK, un esquema de firma que actualmente se encuentra en la tercera ronda de una competencia de estandarización dirigida por el Instituto Nacional de Estándares y Tecnología (NIST) de Estados Unidos. HAWK pertenece a una clase de algoritmos poscuánticos diseñados para mantenerse seguros incluso frente a futuras computadoras cuánticas. Los criptógrafos humanos habían revisado HAWK durante más de dos años, pero Mythos Preview encontró un ataque mejorado en aproximadamente 60 horas, con un costo API de aproximadamente $100,000.
El segundo resultado fue un nuevo ataque a una versión reducida de AES-128, el estándar de cifrado simétrico más utilizado en el mundo. El modelo desarrolló un novedoso método de toma de huellas dactilares que Anthropic llama "Puente Mobius", que elimina parte de las conjeturas que debe realizar un atacante. Anthropic dijo que la técnica mejora los mejores ataques conocidos anteriormente en un factor de 200 a 800. El ataque AES se aplica sólo a una versión modificada que utiliza siete de las diez rondas del esquema, y el esquema HAWK sigue siendo un candidato del NIST, por lo que ninguno de los hallazgos afecta a los sistemas actualmente en uso.
Un sistema multiagente que funciona en gran medida solo
Lo que hace que los resultados sean notables es la poca intervención humana que se requirió. Según Anthropic y un informe de The Decoder, Mythos operaba de forma semiautónoma dentro de un sistema multiagente, generando y probando sus propias hipótesis. Para el ataque HAWK, un agente inicialmente intentó descartar el enfoque como inviable, pero un segundo agente encontró una manera de explotar completamente una simetría no detectada previamente en la red matemática que sustenta la seguridad de HAWK.
El investigador humano involucrado tenía experiencia en informática teórica, pero no era un experto en criptografía basada en celosías, dijo Anthropic. Su función se limitaba principalmente a la gestión de proyectos: proporcionar indicaciones sencillas, mantener el esfuerzo encaminado y, posteriormente, ayudar a verificar los resultados. En cuanto a la tarea AES, el modelo inicialmente se negó, escribiendo que "AES-128 r5/r6 es realmente difícil" y argumentando que era imposible realizar más mejoras. Sólo comenzó a buscar enfoques más creativos después de que el investigador lo animó a buscar "ideas genuinamente novedosas".
Durante aproximadamente tres días, el modelo generó varios cientos de millones de tokens, recibió sólo tres mensajes sustanciales más y consumió alrededor de mil millones de tokens en total. La ejecución costó aproximadamente $100,000 en tarifas de API. Investigadores humanos que no eran expertos en criptografía pasaron varios cientos de horas comprobando las conclusiones de forma independiente.
Divulgación y un nuevo punto de referencia
Anthropic dijo que compartió los hallazgos de antemano con el gobierno de EE. UU. y los socios de la industria, y coordinó la divulgación de la debilidad de HAWK directamente con los autores del esquema. La compañía enfatizó que debido a que ninguno de los resultados rompe el cifrado en el despliegue activo, las divulgaciones fueron respuestas de precaución más que de emergencia. Mythos Preview sigue sin estar disponible para el público.
Para ayudar a otros a evaluar las capacidades criptoanalíticas de los modelos de lenguaje, Anthropic colaboró con investigadores de ETH Zurich, la Universidad de Tel Aviv y la Universidad de Haifa para construir un punto de referencia llamado CryptanalysisBench. El punto de referencia está diseñado para permitir que equipos externos prueben sistemáticamente qué tan bien los modelos de IA pueden encontrar y analizar debilidades en construcciones criptográficas.
Por qué es importante
El anuncio llega en medio de un feroz debate sobre qué tan rápido se debe desarrollar la IA avanzada y cuántos modelos de autoridad autónoma se deben otorgar, particularmente en tareas con implicaciones para la seguridad nacional. La criptografía sustenta casi todo lo que la gente hace en línea, desde la banca y la mensajería hasta las comunicaciones gubernamentales. Si bien Mythos no rompió el cifrado del mundo real, redujo la brecha entre lo que las máquinas y los humanos expertos pueden lograr en un campo que tradicionalmente se ha movido al ritmo de un análisis humano lento y cuidadoso.
Los resultados también plantean cuestiones prácticas para los organismos de normalización como el NIST, que actualmente están seleccionando los algoritmos poscuánticos que protegerán las comunicaciones globales durante décadas. Si los modelos de IA pueden revelar debilidades en meses que escapan a la revisión de expertos durante años, es posible que el proceso de revisión en sí deba incorporar el criptoanálisis automatizado como un paso de rutina.
Los observadores de la industria señalaron que la decisión de Anthropic de mantener privado Mythos Preview, mientras publica la metodología y el punto de referencia, refleja un equilibrio cada vez más común en la investigación de seguridad de la IA: demostrar capacidad sin distribuir libremente herramientas que podrían usarse indebidamente. A medida que los modelos se vuelven más capaces de razonar de forma autónoma, es probable que se produzcan descubrimientos similares en otros ámbitos sensibles.
Manténgase por delante de la IA
Obtenga las últimas noticias, análisis y avances en IA, todo en un solo lugar.
Leer más noticias sobre IA →
