امنیتحریم خصوصی

آیا Mythos شرکت Anthropic رمزنگاری را شکست؟ HAWK، AES و نتیجه واقعی

به‌روزرسانی شده ۱۰ مرداد ۱۴۰۵مطالعه 7 دقیقه‌ایPrivateNote.ai

Mythos به اجرای یک حمله تعیین‌کننده بر کاندید امضای HAWK و نتیجه AES با دورهای کاهش‌یافته بسیار کوچک‌تر کمک کرد. در اینجا آنچه تغییر کرده و آنچه تغییر نکرده است را می‌خوانید.

محقق هوش مصنوعی در یک ایستگاه کاری آزمایشگاهی با مانیتورهای متعدد در حال تحلیل الگوهای رمزنگاری انتزاعی و تجسم یک رمز شکسته شده
رمزگشایی به کمک هوش مصنوعی در حال رسیدن به نتایج واقعی در آزمایشگاه است — بدون فروپاشی ناگهانی رمزنگاری‌هایی که مردم واقعاً از آن‌ها استفاده می‌کنند.

نکات کلیدی

  • Mythos helped produce a key-recovery attack that led the HAWK team to request withdrawal.
  • Green: HAWK matters; the AES result is a small lab increment—not a panic headline.
  • The AES attack still needs about 2^89 operations and 2^105 chosen-plaintext encryptions.
  • AI synthesized known cryptanalysis tools; verifying plausible-looking results is the bottleneck.

مدل منتشر نشده Mythos از Anthropic به توسعه یک حمله بازیابی کلید علیه HAWK کمک کرد؛ یک کاندیدای امضای پساکوانتومی در فرآیند ارزیابی NIST. سپس تیم HAWK از NIST خواست تا این طرح را پس بگیرد. به طور جداگانه، Mythos بهبود کوچکتری در یک حمله به AES با دورهای کاهش یافته ایجاد کرد.

آن نتایج متعلق به یک بیانیه واحد هستند، اما نه در یک تیتر واحد. حمله HAWK به طور ملموسی یک تصمیم استاندارد را تغییر داد؛ نتیجه AES یک پیشرفت تحقیقاتی غیرعملی است. هیچ‌کدام از این نتایج، رمزنگاری‌ای را که مردم هر روز استفاده می‌کنند، نمی‌شکنند.

چرا این داستان اهمیت دارد

بازبینی استانداردها هنوز کار می‌کند — HAWK در مرحله ارزیابی از بین رفت، نه پس از استقرار گسترده.

رمزنگاری به بازبینی خصمانه (adversarial review) وابسته است: محققان سعی می‌کنند الگوریتم‌ها را قبل از اینکه بقیه ما به آن‌ها اعتماد کنیم، بشکنند. گزارش تحقیقاتی Anthropic می‌گوید Mythos از طریق ادبیات علمی، روش‌های پیشنهادی، انجام آزمایش‌ها و تکرار با محققان پیش رفته است. از آنجایی که این گزارش مربوط به حساب شرکت درباره مدل منتشر نشده خودش است، مقالات فنی و تحلیل‌های کارشناسان مستقل اهمیت بیشتری نسبت به چارچوب بازاریابی دارند.

Bart Preneel، استاد KU Leuven و یکی از شناخته‌شده‌ترین رمزنگاران اروپا، این تغییر رویکرد را برای کسانی که هنوز مدل‌های زبانی بزرگ را صرفاً «ماشین‌های آماری تولیدکننده جملات زیبا» می‌دانند، صراحتاً بیان می‌کند: تحقیقات جدید نشان می‌دهد که این مدل‌ها بدون نیاز به «ابر‌هوشمند» بودن، می‌توانند به پیشرفت‌های قابل‌توجهی در تحلیل رمز (cryptanalysis) دست یابند؛ نتایجی که در غیر این صورت، چندین ماه کار سخت یک پژوهشگر باهوش را می‌طلبید.

Matthew Green (https://blog.cryptographyengineering.com/2026/07/29/some-notes-about-anthropics-new-results/)، رمزنگار دانشگاه Johns Hopkins، از مسیری مستقیم‌تر به نتیجه مشابهی می‌رسد: دو نتیجه Mythos از نظر کیفیت بسیار متفاوت هستند. HAWK نتیجه‌ی معناداری است. کار مربوط به AES یک علم واقعی است—و برای کسانی که با شنیدن عبارت «حمله به AES» دچار وحشت شده‌اند، بسیار کمتر هیجان‌انگیز است.

نتیجه کاربردی برای هر کسی که اسرار را به اشتراک می‌گذارد یا به اپلیکیشن‌های رمزگذاری‌شده وابسته است: فرآیندهای استانداردسازی و بازبینی همتا (peer review) همچنان کارآمد هستند. HAWK در مرحله ارزیابی شناسایی شد، نه پس از استقرار گسترده. این یعنی سیستم در حال انجام وظیفه خود است—در حالی که هوش مصنوعی به عنوان یک همکار پژوهشی قدرتمند و جدید عمل می‌کند.

آنچه Mythos در مورد HAWK یافت

این حمله امنیت تخمینی HAWK را به شدت کاهش داد؛ تیم آن درخواست انصراف داد.

HAWK یک طرح امضای پیشنهادی پساکوانتومی بر پایه مسئله Module Lattice Isomorphism است. این یک الگوریتم مستقر شده یا پذیرفته شده در استانداردها نیست. Green در گزارش خود خاطرنشان می‌کند که این طرح با Falcon مرتبط است که در حال استانداردسازی است—اما حمله Mythos به Falcon قابل انتقال نیست، زیرا Falcon بر پایه مسئله دشوار متفاوتی استوار است. با این حال، HAWK در ارزیابی NIST تا حدی پیش رفته بود که یک حمله مؤثر اهمیت پیدا کند.

این حمله همچنان از نوع زمان‌نمایی نمایی (exponential-time) باقی می‌ماند، اما مقاله HAWK هزینه تخمینی بازیابی کلید را برای HAWK-512 از حدود 2^150 به 2^108 گیت، و برای HAWK-1024 از 2^288 به 2^182 کاهش می‌دهد. گفتن اینکه این حمله «امنیت را نصف می‌کند» یک شهود مفید است، نه توصیفی دقیق از تمام مجموعه‌های پارامتری. پارامترهای بزرگتر می‌توانند سطح امنیت هدف را بازیابی کنند، اما به قیمت از دست رفتن کارایی که HAWK را جذاب می‌کرد. تیم HAWK متعاقباً درخواست انصراف از رقابت امضای اضافی NIST را داد.

متقاعدکننده‌ترین اعتبارسنجی، قابل اجراست: نویسندگان توانستند یک کلید چالش HAWK-256 را تنها در چند ساعت روی یک سرور بازیابی کنند. آن چالش از پارامترهای ضعیف‌تری نسبت به هر استقرار پیشنهادی استفاده می‌کند، بنابراین این مدرکی است بر اینکه حمله کار می‌کند—نه مدرکی بر اینکه کلیدهای مستقر شده را می‌توان در چند ساعت بازیابی کرد. Anthropic گزارش می‌دهد که یک پژوهشگر، که متخصص رمزنگاری نبود، تقریباً 60 ساعت و حدود 100,000 دلار هزینه استفاده از API را صرف هدایت این تلاش کرد. این ارقام توصیف‌کننده این کمپین خاص هستند، نه یک قیمت کلی برای تحلیل رمز با هوش مصنوعی.

AES، LEA و Serpent: درام کمتر، اما همچنان قابل توجه

یک افزایش سرعت آزمایشگاهی اندک روی AES با 7 دور—نه شکست خوردن AES مورد استفاده در تولید.

چارچوب صریح Green در اینجا مفید است: اکثر مردم با شنیدن «حمله به AES» وحشت می‌کنند، اما این نتیجه Mythos است که بسیار بسیار کمتر جالب است. نسخه کامل AES (بسته به اندازه کلید، 10، 12 یا 14 دور) از زمان 2001 در برابر تحلیل‌های رمز عمومی مقاومت کرده است—از جمله تست‌های غیرعمومی گسترده. پژوهشگران معمولاً به نسخه‌های با تعداد دور کاهش‌یافته حمله می‌کنند و Mythos یک نمونه 7 دور را بهبود بخشید. حملات به AES با 7 دور جدید نیستند؛ Green کار Mythos را به عنوان یک بهبود اندک با ضریب ثابت نسبت به نتایج قبلی از 2013 توصیف می‌کند—که از نظر تکنیکی جالب است، اما یک شکست عملی نیست.

در مقاله AES یک تکنیک meet-in-the-middle به نام Möbius Bridge گزارش شده است. بررسی واقع‌بینانه Green تعیین‌کننده است: این حمله همچنان به حدود 2^89 عملیات رمز و تقریباً 2^105 رمزگذاری متنِ انتخابی تحت کلید هدف نیاز دارد. این‌ها دو هزینه متفاوت هستند—محاسبات و داده—نه یک وضعیت قبل و بعد. هیچ‌کدام به هیچ وجه عملی نیستند. سود ادعا شده، یک افزایش سرعت اندک با ضریب ثابت روی یک حمله با دور کاهش‌یافته است که پیش از این هم غیرعملی بود، و از آنجایی که کل محاسبات قابل اجرا نیست، بخش‌هایی از آن سود به جای یک نمایش کامل، صرفاً یک تحلیل روی کاغذ باقی می‌ماند.

Real AES همچنان دست‌نخورده باقی می‌ماند. Preneel خاطرنشان می‌کند که بهبودهای قابل‌توجهی در تعداد دورهای کاهش‌یافته برای LEA و Serpent نیز مشاهده شده است. محققان Anthropic و همکارانشان CryptanalysisBench: Can LLMs do Cryptanalysis? را برای اندازه‌گیری سیستماتیک‌تر این فعالیت منتشر کردند (سایت پروژه).

Bart Preneel: پیشرفت بزرگ، نه وحشت

روش‌های پژوهشی تغییر خواهند کرد؛ فروپاشی ناگهانی رمزنگاری‌های پرکاربرد همچنان بعید به نظر می‌رسد.

تحلیل LinkedIn توسط Preneel با احتیاطِ تیتر Ars مطابقت دارد، در حالی که آنچه تغییر کرده را دقیق‌تر بیان می‌کند:

  • مدل‌های زبانی بزرگ (LLMs) می‌توانند کارهای واقعی تحلیل رمز (cryptanalytic) انجام دهند — نه فقط نوشتن متن روان — در سطحی که ماه‌ها تلاش متخصصان را فشرده می‌کند.
  • اجرای این حملات هزینه‌ای در حدود $100,000 دارد — تقریباً معادل حقوق یک پژوهشگر پسادکترا برای یک سال — و خارج از بودجه اکثر دانشگاه‌هاست.
  • نحوه انجام رمزنگاری و تحلیل رمز تغییر خواهد کرد؛ انتظار صدها نتیجه پژوهشی ارزشمند از این ابزارها را داشته باشید.
  • هیچ دلیلی برای وحشت وجود ندارد. شکست ناگهانی تمام رمزنگاری‌های پرکاربرد همچنان بعید به نظر می‌رسد.
  • حاشیه امنیت سریع‌تر از آنچه انتظار داریم کوچک خواهد شد. برای رمزنگاری متقارن، افزودن دورهای بیشتر یک پاسخ طبیعی است؛ برای رمزنگاری نامتقارن، ممکن است غافلگیری‌های بیشتری در پیش باشد — بدون اینکه بتوان یک شکست‌دهنده جهانی شبکه‌ای (lattice breaker) را پیش‌بینی کرد.
  • همین ابزارها باید به ساخت طراحی‌های قوی‌تر نیز کمک کنند.
  • پرسش بی‌پاسخ: چه کسی دسترسی و بودجه لازم برای یافتن — و تأیید — این نتایج را خواهد داشت؟

Matthew Green: ترکیب مجدد، تأیید و زمان‌بندی

ابزارهای شناخته‌شده که به‌طور کامل به کار گرفته شده‌اند؛ اکنون گلوگاه اصلی، تأیید «نتایج» مشابه با واقعیت است.

در Some thoughts about Anthropic’s new cryptanalysis results، Green هر دو مقاله Mythos و آنچه را که بر آن‌ها دلالت می‌کنند — و نمی‌کنند — بررسی می‌کند. نگرانی اصلی او در مورد HAWK مربوط به ریاضیات جدید و عجیب نیست:

Matthew Green

اهمیت حمله HAWK در ریاضیات جدید و عجیب نیست. بلکه در سنتز دقیق و گسترش ابزارهای شناخته‌شده توسط مدل به یک نتیجه قابل تأیید است.

او می‌افزاید که تحلیل خودِ Claude حتی دقیق‌تر بود: هیچ‌یک از اجزا عجیب نیستند — کسی (یا چیزی) صرفاً کار بسیار دقیق‌تری در به‌کارگیری ابزارهای شناخته‌شده انجام داده است. این دقیقاً همان کاری است که هوش مصنوعی‌های مهاجم در آن مهارت دارند. Green همچنین خاطرنشان می‌کند که فرآیند Anthropic کمتر شبیه به یک آزمایشگاه تخصصیِ دقیق تنظیم‌شده، و بیشتر شبیه به وادار کردن مدل به کار سخت با پرامپت‌های به‌طور غافلگیرکننده‌ای ساده بود تا زمانی که چیزی پیدا کند.

از نظر او، مسئله دشوارتر، آنچه پس از صحبت کردن مدل رخ می‌دهد، است. قابلیت تأیید اکنون گلوگاه است. سیستم‌هایی که می‌توانند نتایج واقعی تولید کنند، در تولید نتایجی که واقعی به نظر می‌رسند اما اشتباه هستند، حتی بهتر عمل می‌کنند. حملات سبک HAWK که کلیدها را در چند ساعت روی یک نمونه چالش بازیابی می‌کنند، به‌راحتی قابل بررسی هستند — می‌توانید کد را اجرا کنید. اما افزایش سرعت‌های ظریف سبک AES این‌طور نیستند. اثبات‌های دقیق کمک می‌کنند، اما انسان‌ها همچنان باید تأیید کنند که قضیه به‌درستی بیان شده است. این مرحله بازبینی، سرعت جذب تحلیل‌های رمز تولید شده توسط هوش مصنوعی در این حوزه را کند خواهد کرد.

Green برای کاربران عادی، بدون تبدیل آن به یک چک‌لیست، یک تفکیک کاربردی ارائه می‌دهد. رمزهای متقارن عمداً پیچیده و نامنظم هستند — او سبک طراحی آن‌ها را به کشیدن یک تراکتور به داخل ماسه روان و دفن کردن آن زیر سیمان تشبیه می‌کند — بنابراین صرفِ ساعت‌های هوش خام بعید است که به‌طور جادویی AES را از هم باز کند. رمزنگاری کلید عمومی محدودتر است: تنها تعداد انگشت‌شماری از مسائل دشوار (RSA، لگاریتم گسسته / ECC، شبکه‌ها، نظریه کدگذاری)، و حتی موارد قدیمی‌تر هرگز آن‌قدر توجه انسانی کافی دریافت نکرده‌اند که مطمئن باشیم چیزی باقی نمانده است. رمزنگاری مبتنی بر شبکه (Lattices) و کدگذاری، زمینه‌های به‌ویژه حاصلخیزی را برای هوش مصنوعی فراهم می‌کنند.

خبر خوب او درباره زمان‌بندی است. ما در حال حاضر در میانه مهاجرت از RSA/ECC به کاندیداهای پساکوانتومی هستیم. اگر زمانی برای جهش در ظرفیت تحلیل رمز عمومی وجود داشته باشد، همین زمان است — مگر اینکه هوش مصنوعی به نحوی تمام مسائل دشوار را همزمان از کار بیندازد. در بهترین حالت، کاندیداهای ضعیف‌تر زودتر حذف می‌شوند و ادبیات علمی قوی‌تر می‌شود.

هشدار پایانی Green دوپهلو است: دست از «تکمیل‌کننده خودکارِ پرزرق‌وبرق» نامیدن مدل‌های پیشرو بردارید، و دست از «AGI» نامیدن آن‌ها بردارید. قابلیت‌ها سریع بالا می‌روند، سپس پس از یک خط متحرک به‌شدت سقوط می‌کنند — مانند برکه‌ای که ناگهان زمین زیر پای شما فرو می‌ریزد.

Sophie Schmieg، کارشناس رمزنگاری پساکوانتومی در Google، خاطرنشان کرد که از قبل شک داشت HAWK نقاط ضعفی داشته باشد که منتظر کشف شدن هستند. حمله با کمک Mythos، این کاندیدا را نسبت به ML-DSA و FN-DSA کمتر رقابتی کرد. حکم او، همان‌طور که توسط Ars Technica گزارش شده است:

«اساساً با این مقاله، HAWK از کار افتاده است.»

هشدار‌هایی که باید در اولویت باشند

پیشرفت‌های تدریجی در آزمایشگاه، به معنای نیاز فوری به تغییر کلید (key-rotation) برای تمام اپلیکیشن‌های مورد استفاده شما نیست.

جمله Bruce Schneier همچنان صادق است: حملات بهتر می‌شوند، اما هرگز بدتر نمی‌شوند. حاشیه امنیت دقیقاً به همین دلیل وجود دارد—و توصیه Preneel این است که این حاشیه‌ها ممکن است نیاز داشته باشند سریع‌تر از آنچه جامعه انتظار داشت، رشد کنند.

هیچ‌کدام از موارد مورد اعتماد کاربران روزمره در نسخه عملیاتی شکسته نشده‌اند. HAWK یک کاندیدای در حال ارزیابی بود که با Falcon مرتبط است اما بر مسئله دشوار متفاوتی استوار است، بنابراین حمله Mythos قابل انتقال نیست. کار روی AES همچنان یک پیشرفت کوچک آزمایشگاهی بر روی یک نمونه چالش با دورهای کاهش‌یافته است—نه AES با دور کامل—و همچنان در خارج از محیط تست، به تعداد غیرقابل‌اجرایی از متن‌های اصلی انتخابی (chosen plaintexts) نیاز دارد. نویسندگان مقالات، نسخه‌های تضعیف‌شده را دقیقاً برای این منتشر می‌کنند که چنین بررسی‌های خصمانه‌ای امکان‌پذیر شود.

منبع کمیاب‌تر، در حال تبدیل شدن به تأیید (verification) است. «نتایج» مشابه نیاز به بررسی انسانی دارند، به‌ویژه زمانی که سرعت‌بخشی ادعا شده را نمی‌توان به‌صورت سرتاسری اجرا کرد. هزینه تقریباً $100,000 در استفاده از API این کمپین نیز پرسشی را در مورد دسترسی پژوهشگران با بودجه کمتر ایجاد می‌کند. به‌طور جداگانه، Anthropic پیروزی‌های مشابهی را علیه سیستم‌های عمیقاً مطالعه‌شده مانند RSA یا رمزنگاری منحنی بیضوی گزارش نکرده است—این یک پرسش باز است، نه اطمینانی از اینکه آن مسائل برای همیشه امن هستند.

این موضوع برای اشتراک‌گذاری خصوصی چه معنایی دارد

به اصول اولیه (primitives) که به‌خوبی بررسی شده‌اند اعتماد کنید؛ تیترهای «هوش مصنوعی رمزنگاری را شکست» را به عنوان اخبار پژوهشی در نظر بگیرید.

به اصول اولیه که به‌خوبی بررسی شده‌اند اعتماد کنید—AES با دور کامل، و طرح‌های PQC استاندارد شده توسط NIST که پس از بررسی‌های عمومی همچنان رقابتی باقی می‌مانند. تیترهای دراماتیک را به عنوان اخبار پژوهشی در نظر بگیرید، نه یک نیاز فوری برای تغییر در هر اپلیکیشن—مگر اینکه در آن اعلان، نام الگوریتم شما و پارامترهای شما ذکر شده باشد.

طرح‌هایی با حاشیه امنیت و بررسی همتا را ترجیح دهید: رمزنگاری سمت کلاینت، لینک‌های اشتراک‌گذاری کوتاه‌مدت، و الگوریتم‌هایی که در برابر تحلیل رمزنگاری عمومی دوام می‌آورند. انتظار داشته باشید هوش مصنوعی هم حمله و هم دفاع را تسریع کند—که عمدتاً خبر خوبی برای کاربران است: کاندیداهای شکسته شده زودتر می‌میرند، پیش از آنکه به زیرساخت تبدیل شوند.

مدل PrivateNote—رمزنگاری در مرورگر، نگه داشتن متن اصلی خارج از سرور، منقضی شدن یا سوختن لینک‌ها—به HAWK وابسته نیست. درس اصلی در مراحل اولیه است: رمزنگاری‌ای را انتخاب کنید که برای مدتی طولانی، به‌صورت عمومی و به‌شدت مورد حمله قرار گرفته است. برای اطلاعات بیشتر در مورد ابزارهای هوش مصنوعی خصوصی، مقدمه‌ای بر هوش مصنوعی خصوصی را ببینید.

منابع اصلی

مقالات حمله را به‌طور جداگانه بخوانید؛ شواهد و اهمیت عملی آن‌ها متفاوت است.

پرسش‌های پرتکرار

آیا هوش مصنوعی رمزنگاری‌ای را که مردم هر روز استفاده می‌کنند شکسته است؟

خیر. HAWK یک کاندیدای NIST در حال ارزیابی بود و پس گرفته شد. کار روی AES نمونه‌های چالش با دورهای کاهش‌یافته را هدف قرار داد، نه AES عملیاتی با دور کامل. Green نتیجه AES را یک پیشرفت علمی کوچک می‌نامد؛ Preneel داستان کلی را به عنوان یک پیشرفت برای پژوهش قاب‌بندی می‌کند، نه فروپاشی یک‌شبه رمزنگاری‌های پرکاربرد.

آیا خودِ رمزنگاری پساکوانتومی (PQC) از کار افتاده است؟

خیر. Schmieg و دیگران به طرح‌های امضای PQC قوی‌تر و بهتر بررسی‌شده مانند ML-DSA و FN-DSA اشاره می‌کنند. Green استدلال می‌کند که این در واقع لحظه خوبی برای تحلیل رمزنگاری با هوش مصنوعی است: ما در حال حاضر در حال تغییر اصول اولیه کلید عمومی هستیم، بنابراین کاندیداهای ضعیف‌تر می‌توانند پیش از آنکه به زیرساخت تبدیل شوند، شکست بخورند.

Matthew Green بر چه چیزی تأکید می‌کند که در تیترها نادیده گرفته شده است؟

موضوع HAWK و AES دو داستان متفاوت هستند. حمله HAWK از این جهت اهمیت داشت که به جای ابداع ریاضیات عجیب و غریب، ابزارهای شناخته‌شده را با هم ترکیب کرد، و همچنین به دلیل اینکه کدِ قابل اجرایِ نمونه‌ی چالش، بررسی ادعا را آسان می‌کرد. افزایش سرعت به سبک AES را تنها از روی کاغذ نمی‌توان با اطمینان پذیرفت؛ بنابراین، گلوگاه اصلی اکنون «تأییدپذیری» است، نه صرفاً روانیِ مدل خام.

بزرگترین نگرانی Preneel چیست؟

نگرانی او از مرگ فردا‌ی AES نیست، بلکه از این است که حاشیه امنیت سریع‌تر کوچک شود، فرآیند تأیید همچنان گران باشد (کمپین‌هایی در مقیاس ~$100K)، و دسترسی به بهترین ابزارها در میان معدود افراد با بودجه بالا متمرکز شود، در حالی که بقیه برای عقب نماندن از قافله دست و پا می‌زنند.

آیا باید روش اشتراک‌گذاری اسرار خود را تغییر دهم؟

به استفاده از رمزنگاری‌های قوی و بازبینی‌شده و انتقال‌های موقت (ephemeral) ادامه دهید. این داستان، تغییر مسیرِ سراسیمه و رها کردن AES یا ابزارهای استاندارد E2EE را تأیید نمی‌کند.

تحقیقات سریع‌تر پیش می‌روند. عادت‌های اشتراک‌گذاری شما همچنان می‌تواند ساده باقی بماند.

رمزنگاری‌هایی را ترجیح دهید که از بازبینی عمومی جان سالم به در برده‌اند و انتقال‌هایی را که پس از انجام کار منقضی می‌شوند. PrivateNote یادداشت‌ها و فایل‌ها را در مرورگر با لینک‌های یک‌بار مصرف و کوتاه‌مدت رمزنگاری می‌کند.

یک یادداشت خصوصی بسازید
عکس: Léna Le Roy · Unsplash.