量子计算离真正威胁现有加密体系还有距离，但这并不意味着企业可以高枕无忧。一份由英特尔供稿、刊发在《麻省理工科技评论》的后量子密码迁移指南指出，抗量子加密不是一场突如其来的颠覆，而是一段以年计、需要纪律的旅程。

后量子算法已经开始落地

指南提到，后量子加密已经不再是纸面概念，而是正在进入出货产品。以英特尔至强 6 处理器为例，它已经内置了抗量子的内存加密（基于 AES-256）和微码签名，用以保护处理器自身的完整性。后续平台还会把后量子算法延伸到更多固件与软件签名、设备互连、可信证明和安全启动等环节，以贴合政府与行业最严格的合规要求。

与传统的 RSA、椭圆曲线等算法相比，后量子算法在密钥长度和运算开销上都不相同。指南介绍，英特尔通过专用的密码加速单元、优化后的算法库和特定的 CPU 指令来压低延迟、守住服务等级协议；像英特尔快速辅助技术这类组件，可以把密码运算从主处理器卸载出去，让企业在采用更强算法时不必牺牲性能。

不只是处理器的事

指南强调，后量子密码绝非处理器一家之事。系统构建者和应用方必须通盘考虑固态硬盘、网卡、操作系统、虚拟化层、应用程序以及相连的服务。英特尔负责交付技术栈中属于自己的那部分，同时与生态伙伴协作，保证互通和迁移路径平滑。

给企业的一份务实路线图

指南给出了一条不必推倒重来、只需严守纪律稳步执行的路径，思路与政府和关键基础设施部门正在浮现的做法一致：

第一，把后量子迁移当成现代化，而非单纯的补救。把它视作夯实密码基础、偿还技术债、提升系统可维护性的机会。

第二，善用可信伙伴。像英特尔这样的技术供应商，已经在出货带性能加速的抗量子能力，采购时应当把平台就绪度和厂商路线图纳入考量。

第三，从「可见性」做起。密码无处不在——不仅藏在数据库加密设置里，也存在于静态数据、传输中数据、数字签名、代码签名、设备身份、口令哈希和更新机制中。先摸清密码资产分布在哪、由什么算法保护、哪些数据集的保密期限最长。

第四，优先保护长寿命数据。并非所有密码用途老化速度相同。保护知识产权、个人数据或国家机密这类长效数据，比保护短期会话密钥或轮换证书更紧迫；应把初期投入放在高价值、长留存的数据存储，以及支撑系统完整性的信任锚（根证书、固件签名密钥）上。指南特别点出「先存后解密」的威胁：对手现在就收集加密数据，等量子计算机成熟后再破解。

第五，为演进和敏捷而设计。后量子算法不是简单的替换件，密钥长度、性能特征和集成要求都不同，会牵动协议、接口和硬件。系统设计要能平滑切换算法，避免业务中断。

指南的结语很明确：量子计算会重塑密码学，但不会一夜之间掀翻商业世界。把它当作一次工程演进而非威胁响应来对待的企业，最终会拥有更健壮、更透明、更易维护的密码基础。

来源：MIT Technology Review（英特尔供稿科普文章）

先看 Anthropic 的实际发现。HAWK 是美国国家标准与技术研究院后量子签名标准化流程“附加数字签名”赛道中的候选方案，基于格同构问题。Claude 找到一种新的数学对称性，使密钥搜索空间被“折叠”。对于最小参数集 HAWK-256，完整密钥恢复所需的运算量从 2^64 降到 2^38；对于 HAWK-512，安全级别从设计目标 128 位最多降至 108 位，论文附录甚至推测可能低至 81 位。Aumasson 认为这是一次真实且有意义的安全折损。

另一项针对 7 轮 AES-128 的攻击则完全不同。完整 AES-128 有 10 轮，7 轮版本是密码学界常用的“削轮”研究对象，用来试探安全余量，而非真实部署场景。Claude 提出的“Möbius Bridge”技术消除了此前攻击中需要枚举 256 个可能值的步骤，使整体速度提升 200 到 800 倍。但 Aumasson 援引 Anthropic 自身表述：这次攻击“完全不实用”，对日常使用的完整 AES-128 不构成威胁。

Aumasson 从四个角度解释为什么大语言模型难以撼动成熟对称密码。第一，这些方案的高层结构已被证明安全，例如 AES 的 CTR、GCM 模式，以及 SHA-3 的海绵结构。第二，它们刻意避免数学结构，设计目标就是把计算变成“陷在流沙里的拖拉机”——每轮操作简单，但多次迭代后极难逆向。第三，对称密码分析的主流手段是差分分析，这条路已被人类和机器反复挖掘。第四，AES、ChaCha、BLAKE3 等经过数千小时密码学审查，没有发现能动摇完整结构的攻击。

更值得注意的或许是流程本身。Anthropic 披露，Claude 用约一周时间提出 7 轮 AES 的攻击思路，但两名研究人员花了近一个月才确认其正确性；每项成果大约消耗 10 万美元 API 费用。Aumasson 的判断是，大语言模型的价值可能更多体现在发现候选方案弱点、验证证明漏洞、构建 CryptanalysisBench 这类基准上，而真正的瓶颈正在从“发现”转向“验证”。

来源：JP Aumasson 博客 / Anthropic 官方研究公告 / The Hacker News