AI攻破密码学：Claude发现加密算法弱点的深层启示
当一个AI模型独立发现人类密码学家未曾察觉的加密弱点时，我们应该感到惊叹还是恐惧？答案是两者兼有。
事件始末：60小时与10万美元的密码攻防
2026年7月，Anthropic发布了一项震动密码学界的研究成果：其Claude Mythos模型在密码分析基准（CryptanalysisBench）上表现出远超预期的能力，成功发现了HAWK签名方案和弱化版AES的全新攻击方法。
这并非一次轻松的实验。Clade Mythos在这项任务上持续工作了约60小时，消耗了约10万美元的API计算成本。与之合作的研究机构阵容豪华——ETH Zurich、特拉维夫大学、海法大学，这组成了密码学界和AI安全领域的顶尖联合阵容。
这一成果的意义远超”AI又学会了一项新技能”的范畴。它触及了几个根本性的问题：AI是否正在逼近人类密码学的认知天花板？我们现有的加密基础设施是否真的安全？当发现漏洞的能力不再是人类的专属特权，安全该如何重新定义？
HAWK签名方案：被攻破的防线
什么是HAWK？
HAWK（High-speed Algebraic Wallet with Keys）是一种基于格密码学（Lattice-based Cryptography）的数字签名方案。在后量子密码学的竞赛中，格密码被认为是抵御量子计算机攻击的最有前途方向之一。NIST（美国国家标准与技术研究院）在2024年正式标准化的ML-KEM等后量子算法，同样基于格理论。
HAWK的核心设计目标是在保持后量子安全性的同时实现极高的签名速度。它被广泛视为NIST后量子标准的有力竞争者和补充方案。
Claude发现了什么？
Claude Mythos发现的攻击方法针对的是HAWK签名方案中此前未被发现的数学弱点。具体而言：
- 攻击向量的新颖性：这不是对已知攻击路径的简单优化，而是发现了一条全新的数学攻击路径
- 弱化版AES的突破：在人为降低安全参数的AES变体上，Claude也展示了有效攻击能力
- 自动化漏洞发现的可行性：证明了LLM能够独立完成从数学分析到攻击构造的完整闭环
这意味着Claude不是在”背诵”已知的密码攻击知识，而是在真正理解密码系统的数学结构后，推导出全新的攻击方法。
CryptanalysisBench：评估AI密码分析能力的新标尺
Anthropic与多所高校联合发布的CryptanalysisBench，是衡量大语言模型密码分析能力的首个系统性评估基准。其设计包含几个关键维度：
| 评估维度 | 测试内容 | Claude Mythos表现 |
|---|---|---|
| 已知攻击复现 | 能否重现已发表的攻击方法 | 高度准确 |
| 新攻击发现 | 能否发现全新的攻击向量 | 成功发现HAWK弱点 |
| 跨方案泛化 | 能否将攻击思维迁移到不同方案 | 对AES弱化版有效 |
| 攻击成本估算 | 能否正确评估攻击复杂度 | 需要人工验证 |
这个基准的发布本身就意义重大。在它之前，学术界对”AI能否做密码分析”这个问题缺乏系统性的回答框架。CryptanalysisBench让这一问题从哲学讨论变成了可量化、可比较的科学问题。
为什么这项研究至关重要
密码分析一直被认为是人类智慧的”最后堡垒”之一。数学证明可以由计算机辅助完成，但发现新的攻击方法——尤其是结构性弱点而非暴力破解——需要深层的数学直觉和创造性思维。Claude的成功表明：
- 数学直觉可能不是人类的专属能力——至少在特定领域
- AI的”理解”深度可能比我们想象的要深得多
- 现有的安全假设需要被系统性地重新审视
更深层的问题：我们以为安全的东西真的安全吗？
密码学安全的假设链
现代密码学建立在一条脆弱的假设链上：
- 数学难题的困难性假设：如格问题、离散对数问题、大整数分解等
- 人类密码学家的审查覆盖度：我们假设足够多的聪明人已经审查过每个方案
- 攻击成本的经济性假设：我们假设发起攻击的成本远高于防御成本
Claude的发现直接动摇了第二和第三个假设：
- 审查覆盖度：如果AI能够发现人类密码学家遗漏的攻击，那么当前的同行评审体系就存在系统性盲区
- 攻击成本：10万美元的API成本远低于组织一支顶尖密码学团队数年的研究经费。攻击的经济门槛正在急剧下降
量化风险：三个需要直面的问题
- 已有方案的安全性如何？ HAWK被发现弱点后，其他后量子候选方案呢？它们是否也隐藏着AI能发现而人类未察觉的弱点？
- AI发现的速度有多快？ 60小时的工作如果在未来模型上只需6小时甚至6分钟呢？
- 谁拥有这种能力？ 目前只有Anthropic公开了相关研究，但可以合理推测，OpenAI、Google等巨头也在类似方向上投入。
密码学安全的新范式
从”人类审查”到”AI验证”
这一事件暗示了密码学安全验证范式可能需要根本性转变。传统的安全模型可以概括为：
设计 → 人类同行评审 → 标准化 → 部署
在这个模型中，安全评估完全依赖人类专家的判断。Claude的发现表明我们可能需要过渡到：
设计 → AI辅助分析 → 人类评审 → AI持续验证 → 标准化 → AI运行时监控 → 部署
注意其中的关键变化：
- AI参与前置化：在方案设计阶段就引入AI进行攻击面分析
- 持续验证：部署后持续使用更新的AI模型进行安全性审计
- 运行时监控：在协议运行过程中实时检测新型攻击模式
“攻击不对称性”的消失
传统密码学安全的一个核心支柱是攻击不对称性——发起攻击的成本远高于设计安全方案的成本。Claude的工作表明这种不对称性正在消失：
- 发现HAWK新攻击的成本：约10万美元（API费用）
- 修复HAWK弱点的设计成本：远超10万美元（数学研究+实现+验证+标准化流程）
当发现漏洞的成本低于修复漏洞的成本时，整个安全经济学就被颠覆了。
乐观的一面：AI也可以成为安全的守护者
值得强调的是，Anthropic选择公开发布这项研究而非隐藏发现。这种开放态度本身就是安全社区的良性实践。
AI的密码分析能力也可以被用于防御侧：
- 自动化的安全审计：对新提出的加密方案进行系统性的攻击测试
- 漏洞赏金升级：AI Agent可以作为自动化的漏洞猎人，24/7审查代码和协议
- 标准制定辅助：在NIST等标准制定过程中提供AI视角的安全评估
Anthropic同日发布的双用途知识”关闭开关”研究也与此形成呼应——他们正在探索如何限制AI输出有害信息（如具体攻击代码），同时保留其对安全研究的帮助能力。
总结
Claude发现HAWK签名方案弱点的事件，远不止一条技术新闻。它揭示了几个深层趋势：
- AI的认知边界正在快速扩展——从自然语言处理到纯数学推理，从编程辅助到密码分析
- 人类安全假设的系统性脆弱——我们构建安全体系的许多前提假设正在被AI技术动摇
- 攻防经济学的根本转变——攻击成本下降的速度可能快于防御能力提升的速度
- 新范式的需求日益迫切——从人类单方面审查到人机协作验证，密码学安全需要新的方法论
最终，这不仅仅关乎HAWK或AES或任何特定方案。它关乎一个更根本的问题：在一个AI能够发现我们看不见的弱点的世界里，”安全”意味着什么？
这个问题，我们还没有答案。但至少，Claude帮我们意识到——是时候开始认真思考它了。
参考资料： - Anthropic研究：Discovering Cryptographic Weaknesses - CryptanalysisBench论文 - Anthropic双用途知识关闭开关