Anthropic 的 Claude Mythos 在60小時內破解後量子密碼，超越人類兩年研究

Anthropic 週一發布研究成果，揭示其內部研究版本 Claude Mythos Preview——一個尚未對外發布的 Claude 研究變體——自主發現了兩項廣泛研究中的密碼演算法存在先前未知的弱點。這項研究透過 Anthropic 的前沿紅隊（Frontier Red Team）計劃發布，並事先與美國國家標準暨技術研究院（NIST）及政府合作夥伴協調，代表迄今最清晰的例證，證明 AI 正成為進攻性密碼分析的真正力量。

兩項發現均不影響現有生產系統。但合在一起，它們確立了一個事實：在足夠的自主性和算力支持下，AI 系統能夠將數年的頂尖密碼學研究壓縮至數日完成——並發明出人類研究者從未想到的技術。

60小時破解 HAWK

HAWK 是一種後量子數位簽名方案，正在 NIST 多年期後量子密碼標準審查程序中接受嚴格評估。人類專家花了約兩年時間對 HAWK 的安全性進行壓力測試，卻未能發現有意義的結構性缺陷。Claude Mythos Preview 大約在60小時內完成了這項突破，API 費用約10萬美元。

此次攻擊針對最小參數集 HAWK-256，將其有效金鑰強度從約 2^64 次操作降至 2^38 次——相差約6,700萬倍。換言之，攻擊所需的計算量從理論上任何對手都無從實現，縮減至原則上擁有大量算力的對手可能達成。

攻擊機制在技術上相當精密。HAWK 的安全性依賴結構化格（lattice）問題的計算困難性。先前研究已確立：若能在 HAWK 特定格結構中找到一個高效的非平凡自同構（nontrivial automorphism，即一種數學對稱性），即可實現金鑰復原攻擊——但研究人員一直無法確認此類自同構是否存在。Mythos 找到了。一旦識別出這種對稱性，即可更高效地枚舉金鑰空間，儘管攻擊在本質上仍是指數級而非多項式級複雜度。

HAWK 尚未部署於任何生產系統，仍是 NIST 審查中的候選方案——審查工作本就是要在標準化之前找出此類攻擊。Anthropic 的提前披露，讓 NIST 和密碼學界有時間在任何部署決定作出之前評估影響。

發明「莫比烏斯橋」

AES 發現在某種意義上更令人矚目。AES——進階加密標準——是全球部署最廣泛的對稱加密算法，攻破它是密碼學的基礎命題。完整10輪版 AES-128 至今未被攻破；本次研究的對象是7輪簡化版，這是密碼學家用於發展攻擊直覺的研究標的。

Mythos 花費三天時間自主研究7輪 AES-128 問題，生成了約10億輸出 token，API 費用同樣約10萬美元。這個模型起初對自己的勝算表示懷疑——在一段值得關注的對話中，它表示：「如果你想要不同的結果，目標必須改變……AES-128 r5/r6 確實很難。」一名研究員鼓勵它追求新穎方法，而非在現有已知方法上做漸進改進。模型隨後提出了它自稱的「莫比烏斯橋」。

莫比烏斯橋是一種指紋算法，其機制是使自身對攻擊者原本需要猜測的某些變量保持不變性。具體而言，它消除了特定攻擊階段中的一個猜測步驟——將該階段從 2^56 次操作降至單次計算——同時在其他地方承擔一些額外的計算開銷。最終結果是對7輪 AES-128 的攻擊速度提升200至800倍，具體倍數取決於實現參數。

這一發現的特別之處，在於它造成了一個驗證瓶頸：模型發現技術的速度遠超人類專家驗證的速度。兩名研究員花費了「數百小時」獨立驗證莫比烏斯橋方法在數學上的正確性。一週發現對應近一個月驗證——這清楚說明了 AI 加速研究帶來的新挑戰：AI 的突破速度可能超過人類的核查能力。

作為附帶成果，Mythos 還產生了其他密碼分析結果：對13輪 LEA 的實用攻擊（僅需230個加密明文即可完成），以及對6輪 Serpent-128 的完整金鑰復原攻擊。這些不是這篇論文的主角，但它們暗示 Mythos 同時在多個攻擊面上產生新穎成果。

意義與非意義

Anthropic 對生產系統的影響明確表態：「這兩項結果對當今的計算機系統沒有實際影響；不會有任何生產軟體需要因此作出改變。」HAWK 尚未部署；7輪 AES 攻擊不適用於 TLS、磁碟加密及幾乎所有真實世界密碼應用中使用的完整10輪 AES-128。

Anthropic 採用的框架是主動壓力測試：這正是密碼學審查應當做的事，而 AI 現在是以更快速度、更大深度完成這項工作的強力工具。公司指出「我們與 NIST 協調，並在公開發布前向政府和行業合作夥伴共享研究發現」——表明公司將此視為標準化程序中負責任的組成部分，而非具有破壞性的披露。

但更廣泛的意涵值得認真思考。密碼學的歷史充滿非對稱性的意外：看似在人類審查下安全的算法，被意外發現的新型攻擊技術所破解。從兩年人類頂尖專家到60小時 AI 搜索的時間對比，表明 AI 探索密碼方案攻擊面的速度，已與人類審查能力不可同日而語。

當這種能力被用於已大規模部署在關鍵基礎設施中的算法時，會發生什麼？這個問題仍然懸而未決。Mythos 研究的作用，是使它變得更加清晰迫切。

對於密碼學界，實際應對方向已然明確：標準化程序需要將 AI 輔助紅隊測試納入常規階段，而非可選項。NIST 及其他國家的對應機構，需要決定如何將 AI 分析整合進審查流程——以及如何處理快到讓人類驗證者跟不上的研究發現。

對於 AI 安全社群，這份研究在另一場辯論中提供了一個新的數據點：關於 AI 系統在研究環境中的能力，與其在進攻性情境中被部署後可能發揮的影響之間的落差。Anthropic 對負責任披露和在發布前與 NIST 協調的堅持，樹立了清晰的規範。當 AI 密碼分析變得更強大、更易獲取時，這一規範能否持守，是一個更難回答的問題。