Anthropic のクロード「Mythos」モデル、インターネットを保護する暗号化の本当の欠陥を発見

Anthropic は、自社の Claude Mythos Preview モデルが、人間が 2 年間検討してきたポスト量子暗号を含む、AES および HAWK 暗号化アルゴリズムの真の弱点を発見したと述べています。

Anthropic は 2026 年 7 月 28 日に、内部人工知能モデルである Claude Mythos Preview が、人間の専門家が 2 年以上研究して成果が得られなかった次世代のポスト量子暗号の候補を含む、インターネットのセキュリティ保護に役立つ暗号アルゴリズムの真の数学的弱点を発見したと発表しました。

この発見は、研究論文とともに発表され、「クロードによる暗号の弱点の発見」というタイトルの Anthropic ブログ投稿で詳述されており、高度な数学に貢献する大規模言語モデルのこれまでで最も印象的な実証の 1 つを示しています。この結果を最初に報じたニューヨーク・タイムズ紙によると、この研究はAIシステムがデジタルセキュリティの背後にある中核的な前提にどのように挑戦し始めるかを示しているという。最新の AI 開発と最先端研究のより深い報道については、読者は AI Buzz Wire をフォローしてください。

2 つの画期的な進歩: AES と HAWK

Mythos は 2 つの異なる結果を生み出しました。 1 つ目は、米国国立標準技術研究所 (NIST) が運営する標準化コンペティションの現在第 3 ラウンド中の署名スキームである HAWK に対する改良された攻撃でした。 HAWK は、将来の量子コンピューターに対しても安全性を保つように設計されたポスト量子アルゴリズムのクラスに属します。人間の暗号学者は 2 年以上にわたって HAWK をレビューしていましたが、Mythos Preview は約 10 万ドルの API コストをかけて、約 60 時間で改良された攻撃を発見しました。

2 番目の結果は、世界で最も広く使用されている対称暗号化標準である AES-128 の縮小版に対する新たな攻撃でした。このモデルは、Anthropic が「メビウスブリッジ」と呼ぶ新しいフィンガープリンティング手法を開発しました。これにより、攻撃者が実行する必要がある推測の一部が削除されます。 Anthropic 氏は、この技術は、これまでに知られている最も優れた攻撃を 200 ～ 800 倍改善していると述べています。AES 攻撃は、スキームの 10 ラウンドのうち 7 ラウンドを使用する修正バージョンにのみ適用され、HAWK スキームは依然として NIST の候補であるため、どちらの発見も現在使用されているシステムには影響しません。

ほぼ単独で動作するマルチエージェントシステム

この結果で注目に値するのは、人間の介入がほとんど必要なかったことです。 Anthropic と The Decoder の報道によると、Mythos はマルチエージェントシステム内で半自律的に動作し、独自の仮説を生成してテストしました。 HAWK 攻撃の場合、最初は 1 人のエージェントがこのアプローチを実行不可能として却下しようとしましたが、2 人目のエージェントは、HAWK のセキュリティを支える数学的格子におけるこれまで検出されていなかった対称性を完全に利用する方法を発見しました。

アンスロピック氏によると、関与した人間の研究者は理論的コンピューターサイエンスの背景はあったものの、格子ベースの暗号化の専門家ではなかったという。彼の役割は主にプロジェクト管理に限定されており、簡単なプロンプトを提供し、作業を軌道に乗せ、後で結果を検証するのを手伝うことでした。 AES タスクに関して、モデルは当初拒否し、「AES-128 r5/r6 は本当に難しい」と書き、これ以上の改善は不可能だと主張しました。研究者が「真に斬新なアイデア」を探すよう奨励してから、より創造的なアプローチを追求し始めた。

約 3 日間で、このモデルは数億のトークンを生成し、さらに実質的なプロンプトを 3 回受信しただけで、合計約 10 億のトークンを消費しました。実行には API 料金として約 10 万ドルかかりました。その後、暗号の専門家ではない人間の研究者が数百時間を費やして独立して結論を確認しました。

情報開示と新たな基準

アンスロピックは、調査結果を米国政府および業界パートナーと事前に共有し、HAWKの弱点の開示を計画の作成者と直接調整したと述べた。同社は、どちらの結果も実際の展開では暗号化を破ることはできないため、開示は緊急対応ではなく予防的なものであると強調した。 Mythos プレビューは引き続き一般公開されません。

他の人が言語モデルの暗号解読能力を評価できるようにするために、Anthropic はチューリッヒ工科大学、テルアビブ大学、ハイファ大学の研究者と協力して、CryptanalysisBench と呼ばれるベンチマークを構築しました。このベンチマークは、外部チームが AI モデルが暗号構造の弱点をどの程度発見して分析できるかを体系的にテストできるように設計されています。

なぜそれが重要なのか

この発表は、高度なAIをどのくらいのスピードで開発すべきか、特に国家安全保障に関わるタスクにおいてどの程度の自律的権限モデルを与えるべきかについて激しい議論が行われている最中に発表された。暗号化は、銀行取引やメッセージングから政府の通信に至るまで、人々がオンラインで行うほぼすべてのことを支えています。 Mythos は現実世界の暗号化を解読することはできませんでしたが、これまで人間によるゆっくりとした慎重な分析のペースで進められてきたこの分野において、機械と熟練した人間が達成できることとの間のギャップは狭まりました。

この結果はまた、数十年にわたって世界の通信を保護するポスト量子アルゴリズムを現在選択しているNISTのような標準化団体にとっても現実的な疑問を投げかけている。 AI モデルが専門家のレビューを何年も逃れていた弱点が数か月で表面化する可能性がある場合、レビュープロセス自体に自動化された暗号解析をルーチンステップとして組み込む必要があるかもしれません。

業界オブザーバーは、方法論とベンチマークを公開しながら Mythos Preview を非公開にするという Anthropic の決定は、悪用される可能性のあるツールを自由に配布せずに機能を実証するという、AI の安全性研究におけるますます一般的なバランスを反映していると指摘しました。モデルの自律的な推論能力が高まるにつれて、他の機密領域でも同様の発見が続く可能性があります。