Anthropic maakte op 28 juli 2026 bekend dat een intern kunstmatige-intelligentiemodel, Claude Mythos Preview, echte wiskundige zwakheden vond in cryptografische algoritmen die het internet helpen beveiligen, waaronder een kandidaat voor de volgende generatie postkwantumversleuteling die menselijke experts al meer dan twee jaar zonder succes hadden bestudeerd.

De bevindingen, gepubliceerd naast onderzoekspapers en gedetailleerd beschreven in een Anthropic blogpost met de titel ‘Discovering cryptographic zwakheden met Claude’, markeren een van de meest opvallende demonstraties tot nu toe van grote taalmodellen die bijdragen aan geavanceerde wiskunde. Volgens The New York Times, die de resultaten voor het eerst rapporteerde, laat het werk zien hoe AI-systemen de kernaannames achter digitale veiligheid ter discussie zouden kunnen stellen. Voor de nieuwste AI-ontwikkelingen en diepere berichtgeving over grensverleggend onderzoek kunnen lezers [AI Buzz Wire] (https://aibuzzwire.news) volgen.

Twee doorbraken: AES en HAWK

Mythos produceerde twee verschillende resultaten. De eerste was een verbeterde aanval op HAWK, een handtekeningprogramma dat zich momenteel in de derde ronde bevindt van een standaardisatiewedstrijd van het Amerikaanse National Institute of Standards and Technology (NIST). HAWK behoort tot een klasse post-kwantumalgoritmen die zijn ontworpen om zelfs tegen toekomstige kwantumcomputers veilig te blijven. Menselijke cryptografen hadden HAWK al meer dan twee jaar beoordeeld, maar Mythos Preview vond in ongeveer 60 uur een verbeterde aanval, tegen API-kosten van ongeveer $ 100.000.

Het tweede resultaat was een nieuwe aanval op een beperkte versie van AES-128, 's werelds meest gebruikte symmetrische encryptiestandaard. Het model ontwikkelde een nieuwe vingerafdrukmethode die Anthropic 'Mobius Bridge' noemt, waardoor een deel van de gissingen die een aanvaller moet uitvoeren, wordt weggenomen. Anthropic zei dat de techniek de bekendste aanvallen met een factor 200 tot 800 verbetert. De AES-aanval is alleen van toepassing op een aangepaste versie die zeven van de tien ronden van het schema gebruikt, en het HAWK-schema is nog steeds een NIST-kandidaat, dus geen van beide bevindingen heeft invloed op systemen die momenteel in gebruik zijn.

Een systeem met meerdere agenten dat grotendeels alleen werkt

Wat de resultaten opmerkelijk maakt, is hoe weinig menselijke tussenkomst nodig was. Volgens Anthropic en gerapporteerd door The Decoder opereerde Mythos semi-autonoom binnen een systeem met meerdere agenten, waarbij het zijn eigen hypothesen genereerde en testte. Voor de HAWK-aanval probeerde één agent de aanpak aanvankelijk als onhaalbaar af te wijzen, maar een tweede agent vond een manier om een ​​voorheen onopgemerkte symmetrie in het wiskundige rooster dat ten grondslag ligt aan de veiligheid van HAWK volledig te benutten.

De betrokken menselijke onderzoeker had een achtergrond in de theoretische informatica, maar was geen expert in op roosters gebaseerde cryptografie, aldus Anthropic. Zijn rol bleef grotendeels beperkt tot projectmanagement: het geven van eenvoudige aanwijzingen, het op koers houden van de inspanningen en later helpen bij het verifiëren van de resultaten. Wat de AES-taak betreft, weigerde het model aanvankelijk en schreef dat "AES-128 r5/r6 gewoon echt moeilijk is" en voerde aan dat verdere verbeteringen onmogelijk waren. Het begon pas creatievere benaderingen na te streven nadat de onderzoeker het had aangemoedigd om naar 'echt nieuwe ideeën' te zoeken.

Gedurende ongeveer drie dagen genereerde het model enkele honderden miljoen tokens, ontving het slechts drie inhoudelijke aanwijzingen en verbruikte het in totaal ongeveer een miljard tokens. De run kostte ongeveer $ 100.000 aan API-kosten. Menselijke onderzoekers die geen cryptografie-experts waren, besteedden vervolgens honderden uren onafhankelijk aan het controleren van de conclusies.

Openbaarmaking en een nieuwe benchmark

Anthropic zei dat het de bevindingen vooraf deelde met de Amerikaanse overheid en industriële partners, en de openbaarmaking van de HAWK-zwakte rechtstreeks met de auteurs van het plan coördineerde. Het bedrijf benadrukte dat, omdat geen van beide resultaten de encryptie bij actieve implementatie verbreekt, de openbaarmakingen eerder uit voorzorg dan uit noodmaatregelen waren. Mythos Preview blijft niet beschikbaar voor het publiek.

Om anderen te helpen de cryptanalytische mogelijkheden van taalmodellen te evalueren, werkte Anthropic samen met onderzoekers van ETH Zürich, de Universiteit van Tel Aviv en de Universiteit van Haifa om een ​​benchmark te bouwen met de naam CryptanalysisBench. De benchmark is ontworpen om externe teams systematisch te laten testen hoe goed AI-modellen zwakke punten in cryptografische constructies kunnen vinden en analyseren.

Waarom het ertoe doet

De aankondiging komt te midden van een fel debat over hoe snel geavanceerde AI moet worden ontwikkeld en hoeveel autonome autoriteitsmodellen moeten worden gegeven, vooral als het gaat om taken met implicaties voor de nationale veiligheid. Cryptografie ligt ten grondslag aan bijna alles wat mensen online doen, van bankieren en berichtenverkeer tot overheidscommunicatie. Hoewel Mythos de encryptie in de echte wereld niet heeft doorbroken, heeft het de kloof verkleind tussen wat machines en deskundige mensen kunnen bereiken in een vakgebied dat zich traditioneel beweegt in het tempo van langzame, zorgvuldige menselijke analyse.

De resultaten roepen ook praktische vragen op voor standaardisatie-instellingen zoals NIST, die momenteel de post-kwantumalgoritmen selecteren die de mondiale communicatie decennialang zullen beschermen. Als AI-modellen in maanden zwakke punten aan het licht kunnen brengen die jarenlang aan de beoordeling door deskundigen kunnen ontsnappen, moet het beoordelingsproces zelf mogelijk geautomatiseerde cryptanalyse als routinestap opnemen.

Waarnemers uit de sector merkten op dat het besluit van Anthropic om Mythos Preview privé te houden, terwijl de methodologie en benchmark worden gepubliceerd, een steeds vaker voorkomende balans weerspiegelt in AI-veiligheidsonderzoek: het demonstreren van capaciteiten zonder vrijelijk hulpmiddelen te verspreiden die kunnen worden misbruikt. Naarmate modellen beter in staat worden om autonoom te redeneren, zullen soortgelijke ontdekkingen op andere gevoelige domeinen waarschijnlijk volgen.

Blijf AI een stap voor

Ontvang het laatste AI-nieuws, analyses en doorbraken – allemaal op één plek.

Lees meer AI-nieuws →