Содержание
Claude перешёл от поиска ошибок в коде к анализу самой математики шифрования
Anthropic представила результаты двух исследований, в которых экспериментальная модель Claude Mythos Preview помогла обнаружить новые способы атаковать криптографические алгоритмы. Речь идёт не об ошибках программистов в конкретном приложении, а о математических свойствах самих схем — это заметно более сложный уровень анализа.
Что нашёл Claude Mythos
В первом эксперименте модель улучшила атаку на HAWK — кандидата на стандарт постквантовой цифровой подписи NIST. HAWK больше двух лет проверяли специалисты, однако Mythos за 60 часов обнаружил ранее неиспользованную симметрию в математической решётке и показал, что для заявленного уровня защиты схеме понадобятся значительно более крупные ключи. Работа шла в агентной среде с несколькими AI-исполнителями и эпизодическим контролем исследователя.
Во втором эксперименте Claude разработал метод Möbius Bridge для атаки на ослабленную семираундовую версию AES-128. По оценке Anthropic, подход ускоряет лучший известный вариант такой атаки в 200–800 раз. Модель сгенерировала около миллиарда токенов, а люди затем потратили сотни часов на проверку результата.
Почему это не означает взлом AES
Anthropic отдельно подчёркивает: ни один из результатов не угрожает работающим сегодня сервисам. HAWK пока только участвует в стандартизации и нигде не развёрнут, а полноценный AES-128 использует 10 раундов — Mythos исследовал специально ослабленную версию с семью раундами. Пользователям и компаниям не требуется срочно менять пароли, ключи или системы шифрования.
Что это меняет для AI и кибербезопасности
Главный вывод — сильные AI-модели начинают помогать не только писать и проверять код, но и проводить долгие математические исследования. Для разработчиков стандартов это может стать инструментом раннего стресс-тестирования: слабости можно находить до того, как алгоритм попадёт в миллионы устройств. Одновременно растёт значение контроля доступа, экспертной проверки и ответственного раскрытия результатов.
Anthropic заранее передала материалы государственным и отраслевым партнёрам, согласовала публикацию по HAWK с авторами схемы и вместе с университетскими исследователями выпустила CryptanalysisBench — набор задач для оценки способностей языковых моделей в криптоанализе. Оба эксперимента обошлись примерно в $100 тысяч API-затрат каждый, поэтому пока это скорее инструмент крупных исследовательских команд, чем массовая функция Claude.