ஜூலை 28, 2026 அன்று ஆந்த்ரோபிக் அறிவித்தது, ஒரு உள் செயற்கை நுண்ணறிவு மாதிரியான கிளாட் மைத்தோஸ் முன்னோட்டம், இணையத்தைப் பாதுகாக்க உதவும் கிரிப்டோகிராஃபிக் அல்காரிதங்களில் உண்மையான கணித பலவீனங்களைக் கண்டறிந்துள்ளது, இதில் அடுத்த தலைமுறை பிந்தைய குவாண்டம் குறியாக்கத்திற்கான வேட்பாளர் உட்பட, மனித வல்லுநர்கள் இரண்டு ஆண்டுகளுக்கும் மேலாக வெற்றி பெறவில்லை.

ஆராய்ச்சிக் கட்டுரைகளுடன் வெளியிடப்பட்ட கண்டுபிடிப்புகள், "கிளாடுடன் கிரிப்டோகிராஃபிக் பலவீனங்களைக் கண்டறிதல்" என்ற தலைப்பில் ஒரு மானுடவியல் வலைப்பதிவு இடுகையில் விவரிக்கப்பட்டுள்ளது, இது மேம்பட்ட கணிதத்திற்கு பங்களிக்கும் பெரிய மொழி மாதிரிகளின் மிகவும் குறிப்பிடத்தக்க ஆர்ப்பாட்டங்களில் ஒன்றாகும். தி நியூயார்க் டைம்ஸ் படி, முடிவுகளை முதலில் அறிவித்தது, AI அமைப்புகள் டிஜிட்டல் பாதுகாப்பிற்குப் பின்னால் உள்ள முக்கிய அனுமானங்களை எவ்வாறு சவால் செய்யத் தொடங்கும் என்பதை வேலை காட்டுகிறது. சமீபத்திய AI மேம்பாடுகள் மற்றும் எல்லைப்புற ஆராய்ச்சியின் ஆழமான கவரேஜுக்கு, வாசகர்கள் AI Buzz Wire ஐப் பின்தொடரலாம்.

இரண்டு திருப்புமுனைகள்: AES மற்றும் HAWK

Mythos இரண்டு வேறுபட்ட முடிவுகளை உருவாக்கியது. முதலாவது, HAWK மீதான மேம்படுத்தப்பட்ட தாக்குதலாகும், இது தற்போது யு.எஸ். நேஷனல் இன்ஸ்டிடியூட் ஆஃப் ஸ்டாண்டர்ட்ஸ் அண்ட் டெக்னாலஜி (என்ஐஎஸ்டி) நடத்தும் தரப்படுத்தல் போட்டியின் மூன்றாம் சுற்றில் உள்ள கையொப்ப திட்டமாகும். HAWK ஆனது எதிர்கால குவாண்டம் கணினிகளுக்கு எதிராகவும் பாதுகாப்பாக இருக்க வடிவமைக்கப்பட்ட பிந்தைய குவாண்டம் அல்காரிதம்களின் வகுப்பைச் சேர்ந்தது. மனித கிரிப்டோகிராஃபர்கள் இரண்டு ஆண்டுகளுக்கும் மேலாக HAWK ஐ மதிப்பாய்வு செய்தனர், இருப்பினும் மைத்தோஸ் முன்னோட்டம் சுமார் 60 மணிநேரத்தில் மேம்படுத்தப்பட்ட தாக்குதலைக் கண்டறிந்தது, சுமார் $100,000 API செலவில்.

இரண்டாவது முடிவு, உலகின் மிகவும் பரவலாகப் பயன்படுத்தப்படும் சமச்சீர் குறியாக்கத் தரமான AES-128 இன் குறைக்கப்பட்ட பதிப்பின் மீதான புதிய தாக்குதலாகும். மாடல் ஒரு புதுமையான கைரேகை முறையை உருவாக்கியது, அதை ஆந்த்ரோபிக் "மோபியஸ் பிரிட்ஜ்" என்று அழைக்கிறது, இது தாக்குபவர் செய்ய வேண்டிய யூகத்தின் ஒரு பகுதியை நீக்குகிறது. 200 முதல் 800 வரையிலான காரணிகளால் இந்த நுட்பம், முன்னர் அறியப்பட்ட சிறந்த தாக்குதல்களில் மேம்படுகிறது என்று ஆந்த்ரோபிக் கூறியது. AES தாக்குதல் திட்டத்தின் பத்து சுற்றுகளில் ஏழு ஐப் பயன்படுத்தும் மாற்றியமைக்கப்பட்ட பதிப்பிற்கு மட்டுமே பொருந்தும், மேலும் HAWK திட்டம் இன்னும் ஒரு NIST வேட்பாளராக உள்ளது, எனவே எந்த கண்டுபிடிப்பும் தற்போது பயன்பாட்டில் உள்ள அமைப்புகளை பாதிக்காது.

ஒரு மல்டி ஏஜென்ட் சிஸ்டம் தனியாக வேலை செய்கிறது

மனித தலையீடு எவ்வளவு குறைவாக இருந்தது என்பது முடிவுகளை குறிப்பிடத்தக்கதாக ஆக்குகிறது. ஆந்த்ரோபிக் மற்றும் தி டிகோடரின் அறிக்கையின்படி, மைத்தோஸ் அதன் சொந்த கருதுகோள்களை உருவாக்கி சோதித்து, பல முகவர் அமைப்பிற்குள் அரை தன்னாட்சி முறையில் இயங்குகிறது. HAWK தாக்குதலுக்கு, ஒரு முகவர் ஆரம்பத்தில் இந்த அணுகுமுறையை சாத்தியமற்றது என்று நிராகரிக்க முயன்றார், ஆனால் இரண்டாவது முகவர் HAWK இன் பாதுகாப்பை உறுதிப்படுத்தும் கணித லேட்டிஸில் முன்பு கண்டறியப்படாத சமச்சீர்மையை முழுமையாகப் பயன்படுத்துவதற்கான வழியைக் கண்டுபிடித்தார்.

சம்பந்தப்பட்ட மனித ஆராய்ச்சியாளர் கோட்பாட்டு கணினி அறிவியலில் பின்னணியைக் கொண்டிருந்தார், ஆனால் லட்டு அடிப்படையிலான குறியாக்கவியலில் நிபுணராக இல்லை, ஆந்த்ரோபிக் கூறினார். அவரது பங்கு பெரும்பாலும் திட்ட நிர்வாகத்திற்கு மட்டுப்படுத்தப்பட்டது: எளிய தூண்டுதல்களை வழங்குதல், முயற்சியை தொடர்ந்து வைத்தல் மற்றும் பின்னர் முடிவுகளை சரிபார்க்க உதவுதல். AES பணியில், மாடல் முதலில் மறுத்து, "AES-128 r5/r6 மிகவும் கடினமானது" என்று எழுதி, மேலும் மேம்பாடுகள் சாத்தியமில்லை என்று வாதிட்டது. "உண்மையான புதுமையான யோசனைகளை" தேடுவதற்கு ஆராய்ச்சியாளர் ஊக்குவித்த பின்னரே அது மேலும் ஆக்கப்பூர்வமான அணுகுமுறைகளைத் தொடரத் தொடங்கியது.

ஏறக்குறைய மூன்று நாட்களில், மாடல் பல நூறு மில்லியன் டோக்கன்களை உருவாக்கியது, மேலும் மூன்று முக்கிய தூண்டுதல்களை மட்டுமே பெற்றது, மேலும் மொத்தம் ஒரு பில்லியன் டோக்கன்களை உட்கொண்டது. ரன் ஏபிஐ கட்டணத்தில் தோராயமாக $100,000 செலவாகும். கிரிப்டோகிராஃபி நிபுணர்கள் அல்லாத மனித ஆராய்ச்சியாளர்கள் பல நூறு மணிநேரம் சுயாதீனமாக முடிவுகளைச் சரிபார்த்தனர்.

வெளிப்படுத்தல் மற்றும் ஒரு புதிய அளவுகோல்

கண்டுபிடிப்புகளை அமெரிக்க அரசாங்கம் மற்றும் தொழில் கூட்டாளர்களுடன் முன்கூட்டியே பகிர்ந்து கொண்டதாகவும், HAWK பலவீனத்தை நேரடியாக திட்டத்தின் ஆசிரியர்களுடன் ஒருங்கிணைத்ததாகவும் ஆந்த்ரோபிக் கூறியது. செயலில் உள்ள வரிசைப்படுத்தலில் எந்த முடிவும் குறியாக்கத்தை உடைக்காததால், அவசரகால பதில்களை விட முன்னெச்சரிக்கையாக வெளிப்படுத்தப்பட்டவை என்று நிறுவனம் வலியுறுத்தியது. Mythos முன்னோட்டம் பொதுமக்களுக்குக் கிடைக்கவில்லை.

மொழி மாதிரிகளின் கிரிப்டனாலிடிக் திறன்களை மதிப்பிடுவதற்கு மற்றவர்களுக்கு உதவ, ஆந்த்ரோபிக், ETH சூரிச், டெல் அவிவ் பல்கலைக்கழகம் மற்றும் ஹைஃபா பல்கலைக்கழக ஆராய்ச்சியாளர்களுடன் இணைந்து கிரிப்டனாலிசிஸ் பெஞ்ச் எனப்படும் அளவுகோலை உருவாக்கியது. கிரிப்டோகிராஃபிக் கட்டுமானங்களில் உள்ள பலவீனங்களை AI மாதிரிகள் எவ்வளவு சிறப்பாகக் கண்டறிந்து பகுப்பாய்வு செய்ய முடியும் என்பதை வெளி அணிகள் முறையாகச் சோதிக்க அனுமதிக்கும் வகையில் இந்த அளவுகோல் வடிவமைக்கப்பட்டுள்ளது.

ஏன் இது முக்கியமானது

மேம்பட்ட AI எவ்வளவு விரைவாக உருவாக்கப்பட வேண்டும் மற்றும் எவ்வளவு தன்னாட்சி அதிகார மாதிரிகள் கொடுக்கப்பட வேண்டும், குறிப்பாக தேசிய பாதுகாப்பு தாக்கங்கள் கொண்ட பணிகளில், கடுமையான விவாதத்திற்கு மத்தியில் இந்த அறிவிப்பு வந்துள்ளது. கிரிப்டோகிராஃபி என்பது வங்கி மற்றும் செய்தி அனுப்புதல் முதல் அரசாங்க தகவல் தொடர்பு வரை மக்கள் ஆன்லைனில் செய்யும் அனைத்திற்கும் அடிகோலுகிறது. மித்தோஸ் நிஜ உலக குறியாக்கத்தை உடைக்கவில்லை என்றாலும், மெதுவான, கவனமாக மனித பகுப்பாய்வின் வேகத்தில் பாரம்பரியமாக நகர்ந்த ஒரு துறையில் இயந்திரங்கள் மற்றும் நிபுணத்துவ மனிதர்கள் என்ன சாதிக்க முடியும் என்பதற்கு இடையேயான இடைவெளியைக் குறைத்தது.

பல தசாப்தங்களாக உலகளாவிய தகவல்தொடர்புகளைப் பாதுகாக்கும் பிந்தைய குவாண்டம் அல்காரிதங்களைத் தற்போது தேர்ந்தெடுக்கும் NIST போன்ற தரநிலைப்படுத்தல் அமைப்புகளுக்கான நடைமுறை கேள்விகளையும் முடிவுகள் எழுப்புகின்றன. AI மாதிரிகள் பல ஆண்டுகளாக நிபுணர் மதிப்பாய்விலிருந்து தப்பிக்கும் மாதங்களில் பலவீனங்களை வெளிப்படுத்தினால், மறுஆய்வு செயல்முறையே ஒரு வழக்கமான படியாக தானியங்கு கிரிப்டானாலிசிஸை இணைக்க வேண்டியிருக்கும்.

Mythos Preview ஐத் தனிப்பட்டதாக வைத்திருக்கும் ஆந்த்ரோபிக்கின் முடிவு, வழிமுறை மற்றும் அளவுகோலை வெளியிடும் போது, ​​AI பாதுகாப்பு ஆராய்ச்சியில் பெருகிய முறையில் பொதுவான சமநிலையைப் பிரதிபலிக்கிறது: தவறாகப் பயன்படுத்தக்கூடிய கருவிகளை சுதந்திரமாக விநியோகிக்காமல் திறனை வெளிப்படுத்துகிறது என்று தொழில்துறை பார்வையாளர்கள் குறிப்பிட்டனர். மாதிரிகள் தன்னாட்சி பகுத்தறிவில் அதிக திறன் கொண்டதாக வளரும்போது, ​​பிற முக்கிய களங்களில் இதே போன்ற கண்டுபிடிப்புகள் பின்பற்றப்படலாம்.

AIக்கு முன்னால் இருங்கள்

சமீபத்திய AI செய்திகள், பகுப்பாய்வு மற்றும் முன்னேற்றங்கள் - அனைத்தையும் ஒரே இடத்தில் பெறுங்கள்.

மேலும் AI செய்திகளைப் படிக்கவும் →