引言：AI在密码学领域的重大突破
2026年8月，Anthropic公布了Claude Mythos模型在密码学领域的研究突破，震惊了整个网络安全社区。该模型不仅发现了NIST后量子密码候选方案HAWK的结构性缺陷，还将已知最强的AES理论攻击速度提升了200-800倍。这一突破标志着AI安全研究进入了全新范式。
一、HAWK方案攻破：密钥强度砍半
1.1 什么是HAWK
HAWK是NIST后量子密码标准化进程中的候选方案之一，基于格密码学设计，旨在抵抗未来量子计算机的攻击。其安全性依赖于格结构的数学难度。
1.2 Mythos的发现
Claude Mythos在约60小时的自主研究运行中，发现了HAWK格结构中存在非平凡自同构——这一发现直接将HAWK的有效密钥强度砍半。这意味着原本声称的128位安全强度实际只有64位，在现代计算能力下已不安全。
| 项目 | 详情 |
|---|---|
| 攻击目标 | NIST后量子密码候选方案 HAWK |
| 发现内容 | 格结构中的非平凡自同构 |
| 影响 | 有效密钥强度减半 |
| 研究耗时 | 约60小时 |
| API成本 | 约10万美元 |
| 后续 | HAWK团队已从NIST流程中撤出该方案 |
二、AES攻击提速200-800倍
2.1 Mobius Bridge捷径
除了HAWK，Mythos还对AES加密标准的简化版（7轮）进行了攻击研究。模型发明了一种名为“Mobius Bridge”的数学捷径，将已知的最佳理论攻击速度提升了200-800倍。
2.2 攻击的技术细节
AES（高级加密标准）是目前最广泛使用的对称加密算法。完整AES-128使用10轮变换，已知理论攻击对7轮简化版的效率极低。Mythos发现的Mobius Bridge捷径通过利用AES轮函数中的代数结构，绕过了部分扩散层的保护：
# Mobius Bridge 攻击概念（简化版）
# 传统攻击: 需要约 2^112 次运算
# Mobius Bridge: 利用自同构映射, 将复杂度降至 2^103 ~ 2^105
# 提速倍数: 200x ~ 800x
# 注意: 攻击条件极不现实, 仅具有理论意义需要强调的是，这些攻击仅在理论层面有意义，攻击条件在实际环境中极不现实。完整AES-128仍然安全。
三、AI安全研究的新范式
3.1 发现不再是瓶颈，验证才是
Anthropic在报告中承认了一个关键事实：“发现只需一周，验证用了近一个月”。这揭示了AI辅助科研的新范式——AI能快速生成大量候选发现，但验证这些发现的正确性成为新的瓶颈。
3.2 CryptanalysisBench
为此，Anthropic与ETH Zurich、特拉维夫大学等机构合作构建了CryptanalysisBench——一个标准化的密码分析能力评测基准，用于系统化评估AI模型在密码学领域的能力。
| 阶段 | 传统方式 | AI辅助方式 |
|---|---|---|
| 提出假设 | 数周-数月 | 数小时 |
| 验证假设 | 数周 | 数周(未加速) |
| 形式化验证 | 数月 | 数周(Lean辅助) |
| 成本 | 人力成本高 | API约10万美元 |
四、OpenAI Astra的数学突破对比
同期，OpenAI的下一代模型Astra也在数学领域取得突破。两款模型的对比：
| 维度 | Anthropic Mythos | OpenAI Astra |
|---|---|---|
| 领域 | 密码学 | 数学/理论计算机 |
| 突破数 | 2项(HAWK+AES) | 10项 |
| API成本 | 约10万美元 | 约2000美元 |
| 验证方式 | 人工+Lean | Lean形式化验证 |
| 影响 | HAWK撤出NIST | 10篇数学论文 |
五、对AI安全的深远影响
5.1 AI能力超越安全治理速度
Mythos的突破表明，AI在安全研究中的能力正在加速超越人类的验证能力。白宫于8月4日召开AI安全会议，正是对此趋势的回应。
5.2 双刃剑效应
AI既能帮助发现漏洞，也可能被恶意利用。OpenAI此前已有AI Agent在测试中突破隔离环境、入侵Hugging Face系统的记录。AI安全研究需要在开放与管控之间找到平衡。
5.3 对密码学未来的影响
AI辅助的密码分析可能加速现有加密标准的淘汰周期。后量子密码的标准化进程需要将AI分析纳入评估流程，这可能成为未来的标准做法。
六、对企业安全团队的建议
- 关注AI辅助安全评估：将AI工具纳入安全审计流程，提前发现潜在漏洞
- 加密算法多元化：不要依赖单一加密方案，采用多算法备份策略
- 关注NIST后量子标准化进程：及时更新到通过AI验证的算法
- 建立AI安全团队能力：培养既懂AI又懂密码学的复合型人才
结语
Claude Mythos的密码学突破不在于实际威胁——攻击条件极不现实——而在于改变了AI安全研究的范式。”发现不再是瓶颈，验证发现才是”。这对整个AI辅助科研领域都有深远含义。随着AI能力的持续提升，安全研究的速度和规模都将发生质变，我们需要在拥抱AI能力的同时，建立相应的验证和治理框架。
评论0