Компания Anthropic сообщила о результатах применения своей языковой модели Claude Mythos Preview для поиска уязвимостей в криптографических алгоритмах. В ходе исследования были выявлены две криптоаналитические атаки, направленные на постквантовую схему цифровой подписи HAWK и сокращенную семираундовую версию стандарта AES-128. Представители организации подчеркнули, что данные достижения носят исключительно теоретический характер и не оказывают практического влияния на современные защищенные системы. Тем не менее, полученные результаты демонстрируют способность передовых моделей искусственного интеллекта проводить сложные исследования в области криптографии на уровне, сопоставимом с работой квалифицированных экспертов-криптографов.

В случае с алгоритмом HAWK, который рассматривается как кандидат на стандартизацию постквантовой цифровой подписи, модель обнаружила ранее неизвестную математическую симметрию. Это открытие позволило снизить оценку эффективной стойкости ключей, что теоретически может потребовать увеличения их размеров для сохранения прежнего уровня защиты. Что касается стандарта AES-128, исследователи описали метод Möbius Bridge, ускоряющий атаку на сокращенную версию шифра. Однако данный сценарий остается непрактичным, так как предполагает модель выбора открытого текста с огромным количеством запросов, что делает его неприменимым против полных версий алгоритма в реальных условиях эксплуатации.

Для систематической оценки подобных возможностей компания совместно с академическими партнерами представила специализированный бенчмарк CryptanalysisBench. Данный инструмент включает задачи по различным семействам криптографических примитивов, требуя от моделей не просто теоретического объяснения, а предоставления рабочего скрипта атаки. Тестирование показало, что передовые модели успешно справляются с задачами начального уровня, однако их эффективность резко падает при работе с полноценными схемами без опубликованных уязвимостей. Эти исследования подчеркивают растущую роль искусственного интеллекта в аудите безопасности, одновременно указывая на необходимость строгой экспертной верификации генерируемых алгоритмических решений.