Anthropic در 28 ژوئیه 2026 اعلام کرد که یک مدل هوش مصنوعی داخلی، Claude Mythos Preview، ضعفهای ریاضی واقعی در الگوریتمهای رمزنگاری که به امنیت اینترنت کمک میکنند، یافت، از جمله نامزدی برای نسل بعدی رمزگذاری پس کوانتومی که متخصصان انسانی بیش از دو سال بدون موفقیت آن را مطالعه کرده بودند.
این یافتهها که در کنار مقالات تحقیقاتی منتشر شده و در یک پست وبلاگ Anthropic با عنوان "کشف نقاط ضعف رمزنگاری با کلود" به تفصیل شرح داده شده است، یکی از برجستهترین نمایشهای مدلهای زبان بزرگ تا به امروز را نشان میدهد که به ریاضیات پیشرفته کمک میکنند. بر اساس گزارش نیویورک تایمز، که برای اولین بار نتایج را گزارش کرد، این کار نشان می دهد که چگونه سیستم های هوش مصنوعی می توانند فرضیات اصلی امنیت دیجیتال را به چالش بکشند. برای آخرین پیشرفتهای هوش مصنوعی و پوشش عمیقتر تحقیقات مرزی، خوانندگان میتوانند [AI Buzz Wire] (https://aibuzzwire.news) را دنبال کنند.
دو پیشرفت: AES و HAWK
افسانه ها دو نتیجه متمایز به بار آورد. اولین مورد حمله بهبود یافته به HAWK بود، یک طرح امضا که در حال حاضر در دور سوم مسابقه استانداردسازی توسط موسسه ملی استاندارد و فناوری ایالات متحده (NIST) برگزار می شود. HAWK متعلق به کلاسی از الگوریتمهای پس کوانتومی است که برای ایمن ماندن حتی در برابر رایانههای کوانتومی آینده طراحی شدهاند. رمزنگاران انسانی HAWK را برای بیش از دو سال بررسی کرده بودند، اما Mythos Preview یک حمله بهبود یافته را در حدود 60 ساعت با هزینه API حدود 100000 دلار پیدا کرد.
نتیجه دوم حمله جدید به نسخه کاهش یافته AES-128، پرکاربردترین استاندارد رمزگذاری متقارن در جهان بود. این مدل یک روش انگشت نگاری جدید ایجاد کرد که آنتروپیک آن را "پل موبیوس" می نامد، که بخشی از حدس زدن مهاجم را حذف می کند. آنتروپیک گفت که این تکنیک در بهترین حملات شناخته شده قبلی با ضریب 200 تا 800 بهبود می یابد. حمله AES فقط برای نسخه اصلاح شده ای اعمال می شود که از هفت راند از ده دور این طرح استفاده می کند، و طرح HAWK هنوز یک کاندیدای NIST است، بنابراین هیچ یک از این یافته ها بر روی سیستم های در حال استفاده تأثیر نمی گذارد.
یک سیستم چند عاملی که تا حد زیادی به تنهایی کار می کند
چیزی که نتایج را قابل توجه می کند این است که چقدر به مداخله انسانی نیاز بود. با توجه به Anthropic و گزارش توسط The Decoder، Mythos به صورت نیمه مستقل در داخل یک سیستم چند عاملی عمل می کرد و فرضیه های خود را تولید و آزمایش می کرد. برای حمله HAWK، یک عامل در ابتدا سعی کرد این رویکرد را غیرقابل اجرا رد کند، اما عامل دوم راهی برای بهره برداری کامل از تقارن شناسایی نشده قبلی در شبکه ریاضی که زیربنای امنیت HAWK است، پیدا کرد.
به گفته آنتروپیک، محقق انسانی درگیر سابقه ای در علوم کامپیوتر نظری داشت، اما در رمزنگاری مبتنی بر شبکه متخصص نبود. نقش او بیشتر به مدیریت پروژه محدود میشد: ارائه اعلانهای ساده، حفظ تلاش در مسیر، و بعداً کمک به تأیید نتایج. در مورد کار AES، مدل ابتدا امتناع کرد و نوشت که "AES-128 r5/r6 واقعاً سخت است" و استدلال برای بهبود بیشتر غیرممکن بود. تنها زمانی شروع به دنبال کردن رویکردهای خلاقانهتر کرد که محقق آن را تشویق کرد تا به دنبال «ایدههای جدید» باشد.
در طول تقریباً سه روز، این مدل چند صد میلیون توکن تولید کرد، تنها سه درخواست اساسی دیگر دریافت کرد و در مجموع حدود یک میلیارد توکن مصرف کرد. هزینه اجرا تقریباً 100000 دلار در هزینه های API است. محققان انسانی که متخصص رمزنگاری نبودند، چند صد ساعت را به طور مستقل صرف بررسی نتایج کردند.
افشا و یک معیار جدید
آنتروپیک گفت که یافتهها را از قبل با دولت و شرکای صنعتی ایالات متحده در میان گذاشته و افشای ضعف HAWK را مستقیماً با نویسندگان این طرح هماهنگ کرده است. این شرکت تأکید کرد که از آنجایی که هیچ یک از نتایج، رمزگذاری را در استقرار فعال نمیشکند، افشاگریها به جای پاسخهای اضطراری، احتیاطی بودند. Mythos Preview برای عموم در دسترس نیست.
برای کمک به دیگران در ارزیابی تواناییهای رمزنگاری مدلهای زبان، آنتروپیک با محققانی از ETH زوریخ، دانشگاه تلآویو و دانشگاه حیفا برای ایجاد معیاری به نام CryptanalysisBench همکاری کرد. این معیار به گونهای طراحی شده است که به تیمهای خارجی اجازه میدهد بهطور سیستماتیک آزمایش کنند که مدلهای هوش مصنوعی چقدر میتوانند نقاط ضعف ساختارهای رمزنگاری را پیدا و تجزیه و تحلیل کنند.
چرا مهم است
این اعلامیه در بحبوحه بحثهای شدیدی در مورد سرعت توسعه هوش مصنوعی پیشرفته و میزان مدلهای اختیاری مستقل، به ویژه در مورد وظایفی که پیامدهای امنیت ملی دارند، منتشر میشود. رمزنگاری تقریباً زیربنای همه کارهایی است که مردم به صورت آنلاین انجام می دهند، از بانکداری و پیام رسانی گرفته تا ارتباطات دولتی. در حالی که Mythos رمزگذاری دنیای واقعی را نقض نکرد، شکاف بین آنچه ماشینها و انسانهای متخصص میتوانند در زمینهای که بهطور سنتی با سرعت تحلیلهای آهسته و دقیق انسانی حرکت میکردند را کاهش داد.
نتایج همچنین سوالات عملی را برای سازمانهای استانداردسازی مانند NIST ایجاد میکند که در حال حاضر الگوریتمهای پس کوانتومی را انتخاب میکنند که از ارتباطات جهانی برای دههها محافظت میکنند. اگر مدلهای هوش مصنوعی بتوانند در ماهها نقاط ضعفی را نشان دهند که سالها از بررسی کارشناسان فرار میکنند، ممکن است فرآیند بازبینی بهعنوان یک مرحله معمول نیاز به ترکیب رمزنگاری خودکار داشته باشد.
ناظران صنعت خاطرنشان کردند که تصمیم آنتروپیک برای خصوصی نگه داشتن Mythos Preview، همزمان با انتشار متدولوژی و معیار، منعکس کننده تعادل رایج در تحقیقات ایمنی هوش مصنوعی است: نشان دادن قابلیت بدون توزیع آزادانه ابزارهایی که ممکن است مورد سوء استفاده قرار گیرند. همانطور که مدلها در استدلال مستقل رشد میکنند، اکتشافات مشابه در حوزههای حساس دیگر احتمالاً به دنبال خواهد داشت.
از هوش مصنوعی جلوتر بمانید
آخرین اخبار، تحلیل ها و پیشرفت های هوش مصنوعی را دریافت کنید - همه در یک مکان.
اخبار هوش مصنوعی را بیشتر بخوانید →
