Anthropic 让 Claude 参与密码分析：AI 真摸到密码学天花板了吗？

导语

围绕 Anthropic 最新密码分析成果的讨论，正在把一个过去略显科幻的问题推到台前：大模型是否开始接近密码学研究的高门槛？据 OSChina 摘要，密码学家 Matthew Green 在阅读 Anthropic 的相关成果后撰文评论。Anthropic 让尚未发布的 Claude Mythos 模型参与密码分析，并给出了两个方向的结果：一是针对后量子签名方案 HAWK 的攻击，二是对缩减轮次 AES 的改进攻击。

需要先强调的是，现有素材并未提供完整原文、论文细节、参数设置或复现实验过程。因此，这件事不宜被解读为“AI 已经破解现代密码体系”。更准确的说法是：AI 正在被用于更复杂的数学与安全研究任务，并开始在密码分析这种高度专业的领域展现辅助发现能力。

核心要点

• 研究对象具有代表性：HAWK 属于后量子签名方案相关方向，后量子密码本身就是当前密码学与安全产业关注的重点；AES 则是现代对称密码的标志性算法，但这里提到的是“缩减轮次 AES”，并非完整标准 AES。
• 结果需要区分语境：对缩减轮次算法的改进攻击，通常用于理解算法安全边界与分析方法，并不等同于现实系统被攻破。类似地，针对某个方案的攻击也需要看具体参数、假设和适用范围。
• AI 的角色可能在变化：过去大模型更多被视为文献检索、代码生成或证明辅助工具；如果 Anthropic 的成果成立，它说明模型可能在搜索攻击路径、组合已有技巧、提出候选思路上发挥更主动作用。
• 专家审读仍是关键：Matthew Green 的关注本身说明，密码学界会以非常严格的标准审视这类结果。密码学不是“看起来合理”即可成立的领域，任何结论都需要经受形式化论证、同行复核与可复现验证。

意义与影响

这类实验的最大价值，或许不是制造“AI 破解密码”的惊悚标题，而是提示科研工作流正在变化。密码分析长期依赖深厚的数学直觉、工程经验和对既有文献的熟悉程度。大模型如果能在这些环节中提供高质量候选路径，就可能降低探索成本，让研究者更快排除无效方向，或在复杂组合空间中发现意外线索。

但边界同样清楚。密码学的安全性建立在精确定义与严格证明之上，模型生成的思路必须转化为可检验的数学论证或实验结果。尤其在后量子密码标准化背景下，任何攻击声明都可能影响方案评估，因此更需要避免夸大。

从行业角度看，Anthropic 的尝试展示了 AI for Science 的一个高难度样本：不是让模型回答常识题，而是让它进入专家级问题空间。无论最终成果如何被学界评估，它都提醒安全社区：未来的密码设计、审计与攻击研究，可能都要把 AI 作为新的参与者纳入考虑。

来源：OSChina