Anthropic mengumumkan pada 28 Juli 2026 bahwa model kecerdasan buatan internal, Claude Mythos Preview, menemukan kelemahan matematis nyata dalam algoritme kriptografi yang membantu mengamankan internet, termasuk kandidat enkripsi pasca-kuantum generasi berikutnya yang telah dipelajari oleh para ahli manusia selama lebih dari dua tahun tanpa hasil.

Temuan ini, diterbitkan bersamaan dengan makalah penelitian dan dirinci dalam postingan blog Anthropic berjudul "Menemukan kelemahan kriptografi dengan Claude," menandai salah satu demonstrasi paling mencolok hingga saat ini dari model bahasa besar yang berkontribusi terhadap matematika tingkat lanjut. Menurut The New York Times, yang pertama kali melaporkan hasilnya, penelitian ini menunjukkan bagaimana sistem AI dapat mulai menantang asumsi inti di balik keamanan digital. Untuk perkembangan AI terkini dan liputan penelitian perbatasan yang lebih mendalam, pembaca dapat mengikuti AI Buzz Wire.

Dua Terobosan: AES dan HAWK

Mitos menghasilkan dua hasil yang berbeda. Yang pertama adalah serangan yang lebih baik terhadap HAWK, sebuah skema tanda tangan yang saat ini mengikuti putaran ketiga kompetisi standardisasi yang diselenggarakan oleh Institut Standar dan Teknologi Nasional (NIST) AS. HAWK termasuk dalam kelas algoritme pasca-kuantum yang dirancang agar tetap aman bahkan terhadap komputer kuantum masa depan. Kriptografer manusia telah meninjau HAWK selama lebih dari dua tahun, namun Mythos Preview menemukan serangan yang lebih baik dalam waktu sekitar 60 jam, dengan biaya API sekitar $100,000.

Akibat kedua adalah serangan baru terhadap versi AES-128 yang lebih kecil, standar enkripsi simetris yang paling banyak digunakan di dunia. Model tersebut mengembangkan metode sidik jari baru yang disebut Anthropic sebagai "Jembatan Mobius", yang menghilangkan sebagian dari tebakan yang harus dilakukan penyerang. Anthropic mengatakan teknik ini meningkatkan serangan terbaik yang diketahui sebelumnya dengan faktor 200 hingga 800. Serangan AES hanya berlaku untuk versi modifikasi yang menggunakan tujuh dari sepuluh putaran skema, dan skema HAWK masih merupakan kandidat NIST, sehingga tidak ada temuan yang mempengaruhi sistem yang sedang digunakan.

Sistem Multi-Agen Bekerja Sendirian

Apa yang membuat hasil ini penting adalah betapa sedikitnya campur tangan manusia yang diperlukan. Menurut Anthropic dan dilaporkan oleh The Decoder, Mythos beroperasi secara semi-otonom di dalam sistem multi-agen, menghasilkan dan menguji hipotesisnya sendiri. Untuk serangan HAWK, salah satu agen awalnya mencoba untuk menolak pendekatan tersebut karena dianggap tidak mungkin dilakukan, namun agen kedua menemukan cara untuk sepenuhnya mengeksploitasi simetri yang sebelumnya tidak terdeteksi dalam kisi matematika yang mendasari keamanan HAWK.

Peneliti manusia yang terlibat memiliki latar belakang ilmu komputer teoretis tetapi bukan ahli dalam kriptografi berbasis kisi, kata Anthropic. Perannya sebagian besar terbatas pada manajemen proyek: memberikan petunjuk sederhana, menjaga upaya tetap pada jalurnya, dan kemudian membantu memverifikasi hasil. Mengenai tugas AES, model tersebut awalnya menolak, menulis bahwa "AES-128 r5/r6 benar-benar sulit" dan berargumen bahwa perbaikan lebih lanjut tidak mungkin dilakukan. Perusahaan ini baru mulai melakukan pendekatan yang lebih kreatif setelah peneliti mendorongnya untuk mencari "ide-ide yang benar-benar baru".

Selama sekitar tiga hari, model tersebut menghasilkan beberapa ratus juta token, hanya menerima tiga permintaan substantif lagi, dan menggunakan total sekitar satu miliar token. Proses ini memakan biaya API sekitar $100.000. Peneliti manusia yang bukan ahli kriptografi kemudian menghabiskan beberapa ratus jam secara independen untuk memeriksa kesimpulannya.

Pengungkapan dan Tolok Ukur Baru

Anthropic mengatakan pihaknya telah membagikan temuan tersebut sebelumnya kepada pemerintah AS dan mitra industri, dan mengoordinasikan pengungkapan kelemahan HAWK secara langsung dengan pembuat skema tersebut. Perusahaan menekankan bahwa karena tidak ada hasil yang merusak enkripsi dalam penerapan aktif, pengungkapan tersebut bersifat pencegahan dan bukan respons darurat. Pratinjau Mythos tetap tidak tersedia untuk umum.

Untuk membantu orang lain mengevaluasi kemampuan kriptanalisis model bahasa, Anthropic berkolaborasi dengan peneliti dari ETH Zurich, Universitas Tel Aviv, dan Universitas Haifa untuk membangun tolok ukur yang disebut CryptanalisisBench. Tolok ukur ini dirancang agar tim luar dapat menguji secara sistematis seberapa baik model AI dapat menemukan dan menganalisis kelemahan dalam konstruksi kriptografi.

Mengapa Itu Penting

Pengumuman ini muncul di tengah perdebatan sengit mengenai seberapa cepat AI canggih harus dikembangkan dan seberapa banyak model otoritas otonom harus diberikan, khususnya pada tugas-tugas yang memiliki implikasi keamanan nasional. Kriptografi mendasari hampir semua hal yang dilakukan orang secara online, mulai dari perbankan dan pengiriman pesan hingga komunikasi pemerintah. Meskipun Mythos tidak memecahkan enkripsi dunia nyata, Mythos mempersempit kesenjangan antara apa yang dapat dicapai oleh mesin dan manusia ahli dalam bidang yang secara tradisional bergerak dengan kecepatan analisis manusia yang lambat dan hati-hati.

Hasilnya juga menimbulkan pertanyaan praktis bagi badan standardisasi seperti NIST, yang saat ini sedang memilih algoritma pasca-kuantum yang akan melindungi komunikasi global selama beberapa dekade. Jika model AI dapat memunculkan kelemahan dalam beberapa bulan yang luput dari tinjauan para ahli selama bertahun-tahun, proses peninjauan itu sendiri mungkin perlu memasukkan kriptanalisis otomatis sebagai langkah rutin.

Pengamat industri mencatat bahwa keputusan Anthropic untuk merahasiakan Mythos Preview, sambil mempublikasikan metodologi dan tolok ukurnya, mencerminkan keseimbangan yang semakin umum dalam penelitian keselamatan AI: menunjukkan kemampuan tanpa secara bebas mendistribusikan alat yang dapat disalahgunakan. Ketika model semakin mampu melakukan penalaran otonom, penemuan serupa di bidang sensitif lainnya kemungkinan besar akan menyusul.

Tetap Terdepan dalam AI

Dapatkan berita, analisis, dan terobosan AI terkini — semuanya di satu tempat.

Baca berita AI selengkapnya →