28 lipca 2026 r. firma Anthropic ogłosiła, że ​​wewnętrzny model sztucznej inteligencji, Claude Mythos Preview, wykrył rzeczywiste matematyczne słabości w algorytmach kryptograficznych, które pomagają zabezpieczyć Internet, w tym kandydata na następną generację szyfrowania postkwantowego, nad którym eksperci-ludzi badali bez powodzenia przez ponad dwa lata.

Odkrycia, opublikowane wraz z artykułami badawczymi i szczegółowo opisane w poście na blogu Anthropic zatytułowanym „Odkrywanie słabości kryptograficznych z Claudem”, stanowią jedną z najbardziej uderzających jak dotąd demonstracji dużych modeli językowych przyczyniających się do rozwoju zaawansowanej matematyki. Według dziennika „The New York Times”, który jako pierwszy ogłosił wyniki, praca pokazuje, w jaki sposób systemy sztucznej inteligencji mogą zacząć kwestionować podstawowe założenia stojące za bezpieczeństwem cyfrowym. Aby uzyskać najnowsze informacje o rozwoju sztucznej inteligencji i dokładniejsze informacje na temat pionierskich badań, czytelnicy mogą śledzić AI Buzz Wire.

Dwa przełomy: AES i HAWK

Mythos dał dwa różne wyniki. Pierwszym z nich był ulepszony atak na HAWK, schemat podpisu znajdujący się obecnie w trzeciej rundzie konkursu standaryzacyjnego organizowanego przez Narodowy Instytut Standardów i Technologii Stanów Zjednoczonych (NIST). HAWK należy do klasy algorytmów postkwantowych, których zadaniem jest zapewnienie bezpieczeństwa nawet przed przyszłymi komputerami kwantowymi. Kryptografowie przeglądali HAWK przez ponad dwa lata, ale Mythos Preview odkrył ulepszony atak w ciągu około 60 godzin, a koszt interfejsu API wyniósł około 100 000 dolarów.

Drugim rezultatem był nowy atak na zredukowaną wersję AES-128, najczęściej używanego na świecie standardu szyfrowania symetrycznego. W modelu opracowano nowatorską metodę pobierania odcisków palców, którą Anthropic nazywa „mostem Mobiusa”, która eliminuje część zgadywania, którą musi wykonać atakujący. Anthropic twierdzi, że technika ta jest ulepszona w porównaniu z najlepszymi wcześniej znanymi atakami od 200 do 800 razy. Atak AES dotyczy tylko zmodyfikowanej wersji, która wykorzystuje siedem z dziesięciu rund schematu, a schemat HAWK nadal jest kandydatem do NIST, więc żadne z odkryć nie ma wpływu na obecnie używane systemy.

System wieloagentowy działający w dużej mierze samodzielnie

To, co sprawia, że wyniki są godne uwagi, to fakt, że wymagana była niewielka interwencja człowieka. Według Anthropic i raportu The Decoder Mythos działał półautonomicznie w systemie wieloagentowym, generując i testując własne hipotezy. W przypadku ataku HAWK jeden agent początkowo próbował odrzucić to podejście jako niewykonalne, ale drugi agent znalazł sposób na pełne wykorzystanie niewykrytej wcześniej symetrii w siatce matematycznej, która leży u podstaw bezpieczeństwa HAWK.

Anthropic twierdzi, że zaangażowany w badanie człowiek miał doświadczenie w informatyce teoretycznej, ale nie był ekspertem w dziedzinie kryptografii opartej na sieciach. Jego rola ograniczała się głównie do zarządzania projektem: zapewniania prostych podpowiedzi, utrzymywania wysiłków na właściwym torze, a później pomagania w weryfikacji wyników. W przypadku zadania AES model początkowo odmówił, pisząc, że „AES-128 r5/r6 jest po prostu naprawdę trudny” i argumentując, że dalsze ulepszenia są niemożliwe. Zaczął stosować bardziej kreatywne podejście dopiero po tym, jak badacz zachęcił go do poszukiwania „naprawdę nowatorskich pomysłów”.

W ciągu mniej więcej trzech dni model wygenerował kilkaset milionów tokenów, otrzymał tylko trzy kolejne merytoryczne podpowiedzi i łącznie zużył około miliarda tokenów. Koszt przejazdu wynosi około 100 000 dolarów opłat API. Badacze zajmujący się ludźmi, którzy nie byli ekspertami w dziedzinie kryptografii, spędzili następnie kilkaset godzin niezależnie sprawdzając wnioski.

Ujawnianie informacji i nowy punkt odniesienia

Anthropic oświadczyło, że z wyprzedzeniem udostępniło ustalenia rządowi USA i partnerom branżowym oraz skoordynowało ujawnianie słabości HAWK bezpośrednio z autorami programu. Firma podkreśliła, że ​​ponieważ żaden z rezultatów nie powoduje złamania szyfrowania podczas aktywnego wdrożenia, ujawnienia miały charakter zapobiegawczy, a nie reagowanie w sytuacjach awaryjnych. Mythos Preview pozostaje niedostępny publicznie.

Aby pomóc innym ocenić możliwości kryptoanalityczne modeli językowych, firma Anthropic nawiązała współpracę z badaczami z ETH Zurich, Uniwersytetu w Tel Awiwie i Uniwersytetu w Hajfie w celu stworzenia testu porównawczego o nazwie CryptanalyticBench. Benchmark ma na celu umożliwienie zewnętrznym zespołom systematycznego testowania, jak dobrze modele AI potrafią znajdować i analizować słabe punkty w konstrukcjach kryptograficznych.

Dlaczego to ma znaczenie

Oświadczenie pojawia się w kontekście ostrej debaty na temat tego, jak szybko należy opracować zaawansowaną sztuczną inteligencję i ile należy przydzielać autonomicznych modeli władzy, szczególnie w przypadku zadań mających wpływ na bezpieczeństwo narodowe. Kryptografia leży u podstaw niemal wszystkiego, co ludzie robią w Internecie, od bankowości i przesyłania wiadomości po komunikację rządową. Chociaż Mythos nie złamał szyfrowania w świecie rzeczywistym, zmniejszył przepaść pomiędzy tym, co maszyny i eksperci są w stanie osiągnąć w dziedzinie, która tradycyjnie rozwijała się w tempie powolnej, uważnej analizy prowadzonej przez człowieka.

Wyniki rodzą także praktyczne pytania dla organów normalizacyjnych, takich jak NIST, które obecnie wybierają algorytmy postkwantowe, które będą chronić globalną komunikację przez dziesięciolecia. Jeśli modele sztucznej inteligencji mogą w ciągu miesięcy ujawnić słabe strony, które przez lata wymykają się ocenie ekspertów, sam proces przeglądu może wymagać włączenia automatycznej kryptoanalizy jako rutynowego etapu.

Obserwatorzy branżowi zauważyli, że decyzja firmy Anthropic o zachowaniu prywatności Mythos Preview podczas publikowania metodologii i testu porównawczego odzwierciedla coraz bardziej powszechną równowagę w badaniach nad bezpieczeństwem sztucznej inteligencji: demonstrowanie możliwości bez swobodnego rozpowszechniania narzędzi, które mogłyby zostać niewłaściwie wykorzystane. W miarę jak modele będą coraz bardziej zdolne do autonomicznego rozumowania, prawdopodobnie nastąpią podobne odkrycia w innych wrażliwych dziedzinach.

Wyprzedź sztuczną inteligencję

Otrzymuj najnowsze wiadomości, analizy i przełomowe informacje dotyczące sztucznej inteligencji — wszystko w jednym miejscu.

Przeczytaj więcej aktualności o sztucznej inteligencji →