抗量子加密明星算法被AI挖出致命漏洞

一场由人工智能引发的密码学大地震正在上演。近日，曾被视为美国官方标准的有力竞争者、抗量子密码（PQC）明星算法HAWK，在被Anthropic的AI安全模型发现致命漏洞后，正式宣告退出历史舞台。这标志着人工智能在高级密码分析领域实现了前所未有的突破。

以下是CTOCIO为您带来的深度报道：

摘要：在耗时60小时、消耗约10万美元算力后，一个由非密码学专家操作的AI模型成功将候选抗量子签名算法HAWK的密钥强度削减了一半，迫使该算法作者宣布退赛。尽管针对加密算法的AI破解目前仍处于实验室阶段，但其展现出的自动化密码分析潜力，正引发全球网络安全界的高度关注与深思。

陨落的“明星”：HAWK算法折戟NIST第三轮

在高手如林的后量子密码学（PQC）竞赛中，HAWK曾是一颗备受瞩目的新星。这是一种专门设计用于抵御未来量子计算机攻击的数字签名方案。在此之前，HAWK已经成功挺过了美国国家标准与技术研究院（NIST）为评估PQC算法安全性而开展的前两轮严苛且广泛的测试，并顺利进入第三轮筛选阶段。NIST第三轮测试的核心目的，正是为了捕捉那些隐藏极深、在常规测试中难以被发现的致命缺陷。

然而，剧变发生在周一。知名AI公司Anthropic宣布，其名为Mythos的AI安全模型在针对HAWK算法的密码学测试中取得了突破性进展，发现了其底层数学问题中的严重漏洞。就在这一结果公布的次日，HAWK算法的开发者黯然宣布，正式将该算法从NIST的标准化候选名单中撤回。

“基本上，随着这篇论文的发布，HAWK已经宣告死亡。”谷歌后量子密码学专家Sophie Schmieg如此评价。尽管密码学界此前一直怀疑HAWK可能存在某种未被发现的弱点，但Mythos模型以如此高效的方式将其公之于众，彻底终结了该算法的标准化之路。

AI破解内幕： Mythos模型如何“降维打击”

Mythos是Anthropic开发的一款目前仅对少数受信任用户开放的内部AI安全模型。此次破解过程充分展现了大型语言模型（LLM）在半自动化高级安全研究中的恐怖潜力。

据Anthropic披露，一名完全没有密码学专业背景的研究人员主导了这次行动。在人类偶尔的非技术性引导下，Mythos模型在代理框架（Agentic harness）中进行了长达约60小时的半自主工作，消耗了约10万美元的计算成本。

HAWK算法的安全性依赖于“格同构问题”（Lattice Isomorphism Problem）的难度。与当今最常用的数字签名方案不同，学术界普遍认为该问题在面对量子计算攻击时是安全的。此前，解决这一问题的最佳经典计算攻击方法是通过寻找所谓的“自同构对称性”（automorphism symmetries）。

Mythos模型在进行了大量的文献综述以了解最前沿的技术状态后，进行了实质性的数学推理和计算实验。最终，Mythos输出了一个极其精妙且前所未知的寻找此类对称性的新方法，直接将HAWK算法的密钥强度削减了一半。

值得注意的是AI在这一过程中的“思维火花”。为了找到这种改进方法，Mythos部署了两个很大程度上独立工作的AI代理。在推理过程中，第一个代理最初认为该方法行不通并予以拒绝，但第二个代理找到了使其生效的路径。这两个代理最终协同工作，直到就改进后攻击的有效性达成一致。在发现攻击路径后，Mythos甚至自己实现了一个端到端的验证管道，以向自己和人类操作员证明攻击的正确性。

约翰斯·霍普金斯大学教授、密码学专家Matthew Green对这一发现感到震惊。他指出，最令人印象深刻的并非AI创造了新数学，而是其资源整合能力：“这种攻击并没有发明根本性的新数学，这一点尤其令人担忧（也正是AI最擅长的领域）。它只是将一堆散落各处、众所周知的工具进行了扩展和组合，就得出了一个极好的结果。”

在学术密码学中，如果某种弱点允许攻击者以快于暴力破解的速度推导出密钥，该算法即被视为被攻破。虽然HAWK可以通过将密钥大小增加一倍来缓解这一弱点，但额外增加的计算量将使其在面对ML-DSA和FN-DSA等现有PQC签名算法时彻底丧失竞争力。

波及传统加密基石：AES算法同样受到挑战

除了将HAWK算法拉下马，Mythos模型还将矛头指向了当今世界上使用最广泛的对称加密算法——AES（高级加密标准）。

尽管针对AES的攻击结果没有HAWK那样具有戏剧性，但其技术细节同样令人惊叹。针对AES已知最好的攻击方式是“选择明文威胁模型”下的“中间相遇攻击”（meet-in-the-middle attack）。该技术通过输入大量已知明文，并分析加密输出以寻找线索，最终揭示未知密钥。此前，针对AES的最佳中间相遇攻击需要大约2的105次方（2^105）个明文输入，这个数字极其庞大，使得该方法在现实中完全不可行。

Mythos帮助找到了一种基于“莫比乌斯桥”（Möbius Bridge）的新型中间相遇技术——这是一种用于中间相遇攻击的更高级的指纹识别算法。Matthew Green指出，使用Mythos生成的代码，能够将所需的输入数量锐减至2的89次方（2^89）。Anthropic表示，这种优化可以将此类攻击所需的时间大幅减少200到800倍。

炒作还是革命？审视AI密码分析的真实边界

尽管HAWK算法已经退赛，且AES攻击取得了理论突破，但安全业界在评估这一里程碑事件时仍需保持客观理性。我们必须认识到这些研究成果存在的四个关键局限性：

1. 成果是渐进式的：这些发现并没有打破当今人们依赖的任何实际生产环境中的密码系统。它们只是揭示了能够适度减少破解系统所需工作量的方法。
2. 测试对象为“弱化版本”：模型测试的密码系统是正式规范中定义的“弱化版本”（Challenge instances）。这些实例是规范作者专门提供给同行进行对抗性审查的。在测试中使用弱化版本是行业惯例，但真实生产环境中的算法要强大得多（例如，被测试的弱化AES算法仅使用了7轮加密，而符合规范的生产级AES根据密钥大小不同，会使用10、12或14轮）。
3. 底层数学基石依然安全：即使攻击方法得到了改进，构成密码系统基本构建块的底层“原语”（即底层的数学问题）目前仍然是安全的。
4. 现实威胁有限：无论是对HAWK还是AES的攻击，其使用的方法在测试环境之外（即现实世界的黑客攻击中）可能都是不可行的，因为它们依然需要极其苛刻的先决条件。

此外，Anthropic在报告中并未提及研究人员是否使用Mythos攻击了诸如椭圆曲线密码（ECC）和RSA等经历了更长时间考验的经典密码系统。相较于一个仍在起步阶段的PQC算法，如果AI能在RSA等系统上取得突破，无疑将更具说服力。业界亦有声音质疑：常规的密码分析学家是否也已经接近发现HAWK的这一相同攻击方法？

总结与展望：人类专家的验证瓶颈

毫无疑问，AI辅助的密码分析仍然是一个未经大规模真实检验的新兴领域，而提供这些平台的AI大厂也必然有动机去夸大其模型的收益与能力。但抛开营销炒作的成分，此次事件传递出的战略信号依然值得高度警惕。

Anthropic在声明中做出了一个大胆的预测：“网络安全界目前正在努力应对这样一个事实：语言模型能够发现如此多的漏洞，以至于标准的人类流程（如漏洞分类、验证和修复）已经难以跟上。我们预测，同样的情况很快也会出现在学术密码学研究中。随着语言模型越来越多地自主产生新颖的研究成果，人类研究人员可能会在研究和验证这些结果的技术有效性、新颖性和实用性方面成为瓶颈。”

从长远来看，断言大语言模型（LLM）不会在保护或破坏我们最重要数字资产的军备竞赛中扮演重要角色，绝对是一个致命的错误。HAWK算法的倒下只是一个序章，在对抗日益复杂的加密系统的战场上，AI这把双刃剑的剑刃，才刚刚露出寒光。