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

7 月 28 日，Anthropic 发布研究报告称，其研究模型 Claude Mythos Preview 在密码学研究中取得两项突破：一是找到了针对后量子数字签名候选方案 HAWK 的改进攻击，将其有效密钥强度直接砍半；二是发明了一种新技术，把针对减轮版 AES 的攻击速度提升了 200 到 800 倍。

Anthropic 特别强调，这次 AI 发现的是算法本身的数学缺陷，而不是以往常见的代码实现漏洞——这类工作过去往往需要顶尖密码学家花费数年时间。

60小时，攻破两年评审没守住的防线

第一项成果针对的是 HAWK。这是美国国家标准与技术研究院（NIST）后量子密码征集计划的第三轮候选方案之一。由于未来的量子计算机可能攻破现有的 RSA、ECDSA 等签名方案，NIST 于 2022 年发起征集，寻找能抵御量子攻击的替代算法，HAWK 正是其中的热门候选，此前已经受住了两轮、历时两年的人类专家评审。

而 Claude 以半自主方式运行约 60 小时，就改进了针对 HAWK 的已知最佳密钥恢复攻击。它利用了 HAWK 格结构中一个此前未被发现的非平凡自同构——先前理论曾推测这种对称性可能带来更快的攻击，但一直无人能证明它真实存在。

攻击效果相当惊人：以 HAWK-256 为例，破解的预期成本从 2^64 次运算骤降至 2^38 次，有效密钥强度直接减半。虽然把密钥尺寸加倍可以恢复安全性，但这将大幅削弱 HAWK 作为「紧凑型后量子方案」的核心卖点。这一实验消耗的 API 成本约为 10 万美元。

「莫比乌斯桥」：AI 自创的密码分析技术

第二项成果针对 AES——全球使用最广泛的对称加密标准，网络流量、硬盘加密、即时通讯背后都有它的身影。密码学界研究 AES 的惯常做法，是攻击它的「减轮」版本来检验算法的安全冗余。

Claude 在经典的中途相遇攻击基础上，发明了一种名为「莫比乌斯桥」（Möbius Bridge）的指纹识别技术，省去了此前需要遍历 256 个值的一个猜测步骤，使针对 7 轮 AES-128（完整版为 10 轮）的攻击速度比先前最佳方法快 200 至 800 倍。

更值得注意的是发现过程：这项攻击几乎完全由 AI 自主完成。研究人员仅在三天内给出三次实质性提示，模型生成了超过 10 亿个 token 的分析后提出核心创新思路。有趣的是，模型一开始还多次「拒绝尝试」，理由是「AES 已被研究得太透了」——直到研究人员调整了实验框架，它才重写自己的方案并最终找到突破口。

不影响现实系统，但改变了游戏规则

需要明确的是，这两项攻击目前都不会影响任何生产系统：HAWK 只是候选方案，尚未实际部署；针对 AES 的攻击也没有破解完整的 10 轮版本，现有软件无需任何修改。Anthropic 已按照负责任披露流程，于 6 月将结果告知 HAWK 作者，并通过 NIST 邮件列表协调公开。

但研究的延伸信号更值得关注。Anthropic 透露，团队随后在减轮版 LEA、Serpent 等算法上也取得了初步成果，并在 Salsa20、Poseidon 和 SHA-1 上获得小幅改进。该公司还与苏黎世联邦理工学院、特拉维夫大学和海法大学合作推出了 CryptanalysisBench 基准，供学术界评估大模型的密码分析能力。

Anthropic 同时发出警告：AI 产生研究成果的速度，可能很快超过人类专家的验证能力——这次的两项成果，模型各花了几天到一周，而人类研究员的验证工作耗费了数百小时。随着模型能力继续提升，未来不排除发现针对已部署系统的实际攻击，密码学界需要提前建立应对机制。

用 AI 给全世界的加密算法做「压力测试」，在漏洞被坏人找到之前先一步补上——这正是密码学研究的意义所在，只是这一次，跑在最前面的换成了机器。

来源：Anthropic 官方研究博客、FreeBuf