Anthropic meddelade den 28 juli 2026 att en intern modell för artificiell intelligens, Claude Mythos Preview, hittade verkliga matematiska svagheter i kryptografiska algoritmer som hjälper till att säkra internet, inklusive en kandidat för nästa generations postkvantkryptering som mänskliga experter hade studerat i mer än två år utan framgång.

Resultaten, publicerade tillsammans med forskningsartiklar och detaljerade i ett antropiskt blogginlägg med titeln "Att upptäcka kryptografiska svagheter med Claude", markerar en av de mest slående demonstrationerna hittills av stora språkmodeller som bidrar till avancerad matematik. Enligt The New York Times, som först rapporterade resultaten, visar arbetet hur AI-system kan börja utmana kärnantagandena bakom digital säkerhet. Läsare kan följa AI Buzz Wire för den senaste AI-utvecklingen och djupare täckning av frontlinjeforskning.

Två genombrott: AES och HAWK

Mythos gav två distinkta resultat. Den första var en förbättrad attack mot HAWK, ett signatursystem som för närvarande befinner sig i den tredje omgången av en standardiseringstävling som drivs av U.S. National Institute of Standards and Technology (NIST). HAWK tillhör en klass av post-kvantalgoritmer utformade för att vara säkra även mot framtida kvantdatorer. Mänskliga kryptografer hade granskat HAWK i mer än två år, men Mythos Preview fann en förbättrad attack på ungefär 60 timmar, till en API-kostnad på cirka 100 000 USD.

Det andra resultatet var en ny attack mot en reducerad version av AES-128, världens mest använda symmetriska krypteringsstandard. Modellen utvecklade en ny metod för fingeravtryck som Anthropic kallar "Mobius Bridge", som tar bort en del av gissningarna som en angripare måste utföra. Anthropic sa att tekniken förbättras jämfört med de mest tidigare kända attackerna med en faktor på 200 till 800. AES-attacken gäller endast för en modifierad version som använder sju av schemats tio omgångar, och HAWK-schemat är fortfarande en NIST-kandidat, så inget av fynden påverkar system som för närvarande används.

Ett system med flera agenter som fungerar i stort sett ensamt

Det som gör resultaten anmärkningsvärda är hur lite mänskligt ingripande som krävdes. Enligt Anthropic och rapportering av The Decoder opererade Mythos semi-autonomt inuti ett multiagentsystem, genererade och testade sina egna hypoteser. För HAWK-attacken försökte en agent först avfärda tillvägagångssättet som omöjligt, men en andra agent hittade ett sätt att fullt ut utnyttja en tidigare oupptäckt symmetri i det matematiska gittret som underbygger HAWK:s säkerhet.

Den inblandade mänskliga forskaren hade en bakgrund inom teoretisk datavetenskap men var inte expert på gitterbaserad kryptografi, sa Anthropic. Hans roll var mestadels begränsad till projektledning: att ge enkla uppmaningar, hålla insatserna på rätt spår och senare hjälpa till att verifiera resultaten. När det gäller AES-uppgiften vägrade modellen till en början och skrev att "AES-128 r5/r6 är bara genuint svårt" och hävdade att ytterligare förbättringar var omöjliga. Det började bara sträva efter mer kreativa tillvägagångssätt efter att forskaren uppmuntrade det att leta efter "verkligt nya idéer."

Under ungefär tre dagar genererade modellen flera hundra miljoner tokens, fick bara tre mer materiella uppmaningar och förbrukade ungefär en miljard tokens totalt. Körningen kostade cirka 100 000 USD i API-avgifter. Människoforskare som inte var experter på kryptografi ägnade sedan flera hundra timmar åt att självständigt kontrollera slutsatserna.

Avslöjande och ett nytt riktmärke

Anthropic sa att de delade resultaten i förväg med den amerikanska regeringen och industripartners, och samordnade avslöjandet av HAWK-svagheten direkt med upphovsmännen till programmet. Företaget betonade att eftersom inget av resultaten bryter kryptering i aktiv distribution, var avslöjandena snarare försiktighetsåtgärder än nödåtgärder. Mythos Preview förblir otillgänglig för allmänheten.

För att hjälpa andra att utvärdera de kryptoanalytiska förmågorna hos språkmodeller, samarbetade Anthropic med forskare från ETH Zürich, Tel Aviv University och University of Haifa för att bygga ett riktmärke som heter CryptanalysisBench. Benchmarken är utformad för att låta externa team systematiskt testa hur väl AI-modeller kan hitta och analysera svagheter i kryptografiska konstruktioner.

Varför det är viktigt

Tillkännagivandet kommer mitt i en hård debatt om hur snabbt avancerad AI bör utvecklas och hur mycket autonoma myndighetsmodeller som bör ges, särskilt när det gäller uppgifter med nationella säkerhetskonsekvenser. Kryptografi ligger till grund för nästan allt människor gör online, från banktjänster och meddelanden till statlig kommunikation. Även om Mythos inte bröt kryptering i den verkliga världen, minskade det klyftan mellan vad maskiner och expertmänniskor kan åstadkomma inom ett område som traditionellt har rört sig i takt med långsam, noggrann mänsklig analys.

Resultaten väcker också praktiska frågor för standardiseringsorgan som NIST, som för närvarande väljer de postkvantalgoritmer som kommer att skydda global kommunikation i årtionden. Om AI-modeller kan upptäcka svagheter på månader som undviker expertgranskning i flera år, kan själva granskningsprocessen behöva införliva automatiserad kryptoanalys som ett rutinsteg.

Branschobservatörer noterade att Anthropics beslut att hålla Mythos Preview privat, samtidigt som metoden och riktmärket publiceras, återspeglar en allt vanligare balans i AI-säkerhetsforskning: att demonstrera förmåga utan att fritt distribuera verktyg som kan missbrukas. När modellerna blir mer kapabla till autonoma resonemang kommer liknande upptäckter inom andra känsliga områden sannolikt att följa.

Ligg före AI

Få de senaste AI-nyheterna, analyserna och genombrotten – allt på ett ställe.

Läs mer AI-nyheter →