Anthropic的Claude Mythos Preview加速对减少轮次AES的密码分析攻击

Anthropic的前沿AI模型Claude Mythos Preview在密码分析领域取得了重大突破，展示出将针对高级加密标准（AES）减少轮次变体的已知攻击速度提升200至800倍的能力。这一进展由Anthropic于2026年7月28日公布，突显了人工智能在发现密码算法内部数学缺陷方面飞速发展的能力。尽管这些发现并未对当今广泛使用的完整、生产级AES标准构成直接威胁，但它们强调了AI在自主密码学研究方面涌现的新能力，并对数字安全的未来提出了关键问题。

一、 AI在密码分析领域的突破

Claude Mythos Preview是由Anthropic开发的一款功能强大、尚未公开发布的AI模型。它通过发现一种攻击简化版AES的改进方法，展示了其先进的推理和编码能力。该模型的成功标志着AI驱动的密码分析进入了一个关键时刻——从仅仅寻找实现过程中的漏洞，跨越到发现密码学设计本身的底层数学缺陷。这一能力很大程度上是自主开发的，人类研究人员主要负责引导项目并验证结果。

此次加速攻击的具体目标是AES-128的7轮变体（密码分析人员常用的研究目标），而非实际系统中使用的完整10轮AES-128标准。密码学家经常研究算法的减少轮次版本，以了解其安全余量并测试潜在的攻击方法。Anthropic明确表示，这些发现并不会危及任何当前部署的加密系统，因为完整的AES标准依然坚固，未受这一特定发现的影响。

二、 “莫比乌斯桥”与攻击细节

高级加密标准（AES）是美国政府于2001年采用的一种对称分组密码，也是全球使用最广泛的对称加密标准，保护着从网上银行到加密通信的一切数据。完整的AES-128运行10轮密码变换。而被Claude Mythos Preview攻击的变体仅使用了这10轮中的7轮。

Mythos Preview的核心创新在于发现了一种被称为“莫比乌斯桥”（Möbius Bridge）的数学捷径。这一捷径被应用于现有的“中间相遇”（meet-in-the-middle）攻击中。这是一种常见的密码分析技术，通过从明文向后推导以及从密文向前推导，来寻找一个共同的中间状态。“莫比乌斯桥”有效省去了此类攻击此前所需的256路猜测步骤，从而实现了速度上的巨大提升。

尽管加速效果显著，但在实际场景中，这种针对7轮AES-128的改进攻击仍然需要不切实际的计算资源和数据支持。例如，它需要攻击者获取约 2^105 个选择明文，并执行大约 2^89 次密码操作，这些条件在现有技术下目前是无法企及的。

三、 自主发现与人类监督

Claude Mythos Preview对这一先进密码分析技术的开发过程在很大程度上是自主的。Anthropic的研究人员创建了一个脚手架系统，允许AI生成假设、进行实验以验证或反驳这些假设，进而设计出改进的攻击方案。人类的参与主要局限于项目管理、提供初始提示词，以及随后验证模型复杂的输出结果。这一过程展示了AI进行原创密码学研究的能力，其水平堪比人类专家级密码分析人员。

Anthropic指出，对于该AI模型而言，发现AES攻击途径的过程大约耗时一周。然而，随后由两名人类研究人员对结果进行的验证工作却持续了将近一个月，这突显了验证AI生成的研究成果所面临的挑战。与每项重大密码分析成果（包括关于后量子数字签名方案HAWK的另一项重要发现）相关的API使用预估成本约为10万美元。

在发现AES攻击途径的同时，Claude Mythos Preview还发现了HAWK的重大缺陷。HAWK是美国国家标准与技术研究院（NIST）正在考虑用于后量子密码学的数字签名方案。这一独立发现实际上使HAWK的密钥强度减半，进一步说明了该AI模型在密码分析方面的强大能力。Anthropic遵循了负责任的披露实践，通知了HAWK的设计者，并与NIST协调进行了公开发布。

四、 对密码学研究与AI安全的启示

Anthropic的这项研究标志着AI在网络安全领域角色的一次重大演变。此前，AI模型主要辅助寻找软件中的实现漏洞。当前的工作展现了质的飞跃，证明了AI有能力发现底层算法本身的数学缺陷，而这一领域传统上需要极深的人类专业知识。

尽管对已部署系统的直接影响微乎其微，但对密码学研究的长期影响却是巨大的。AI模型开展复杂密码分析调查的飞快速度暗示了这样一个潜在的未来：AI在发现漏洞方面可能会超越人类专家。这给研究人员、企业和政府提出了关键问题，即如何管理和应对可能发现保护关键基础设施的密码系统缺陷的AI系统。

Anthropic强调了在AI安全和负责任开发方面采取前瞻性方法的重要性。该公司计划举办一次学术研讨会，以促进研究人员就语言模型在安全和密码学研究中的作用进行讨论，旨在共同应对这些复杂的挑战。即使是由AI进行的，这种严格的分析也让正在进行的密码候选方案评估过程（例如NIST后量子竞赛中的候选方案）大为受益。

五、 理解减少轮次密码分析

对密码的“减少轮次”版本进行密码分析是密码学研究中一种标准且极具价值的技术。完整的密码算法（如AES）设计有足够数量的轮次，以确保应对所有已知攻击的安全性。通过减少轮次，密码学家创造了更简单的目标，使他们能够：

1. 探查安全余量： 确定密码安全真正需要多少轮次。 2. 开发新技术： 在尝试攻击完整密码之前，先在较容易的目标上实验新型密码分析方法。 3. 验证设计原则： 了解密码的设计原则即使在被削弱的情况下是否依然成立。

Claude Mythos Preview成功攻破7轮AES-128变体这一事实是一项研究成果，有助于加深这种理解。然而，这并不意味着完整的AES（根据密钥大小，有10轮、12轮或14轮）是脆弱的。针对这一特定攻击的计算和数据要求依然高得惊人，这使得对当前AES实现进行实际利用在现实中行不通。这项研究是AI在密码分析领域潜力的前瞻性指标，而不是对已部署系统眼前的安全威胁。

常见问题

什么是 Claude Mythos Preview？

Claude Mythos Preview是由Anthropic开发的一款前沿AI模型，尚未公开发布。它以在网络安全、自主编码和复杂推理方面的先进能力而闻名。

这是否意味着 AES 已被破解？

不，当今生产系统中使用的完整高级加密标准（AES）并未因这项研究而被破解或安全性受损。该攻击专门针对用于研究目的的减少轮次（7轮）AES-128变体。

什么是“减少轮次 AES”？

“减少轮次AES”是指AES算法的修改版本，其使用的加密轮次少于完整标准。密码学家研究这些被削弱的变体，以了解算法的安全余量并测试新的攻击技术。

这项研究有哪些实际影响？

这项研究展示了AI在开展自主密码学研究和发现算法数学缺陷（而非仅仅是实现漏洞）方面日益增长的能力。虽然这不影响当前的系统，但它强调了对AI在密码分析和网络安全中扮演的角色保持持续警惕和研究的必要性。

参考来源

* @AnthropicAI 的原始 X 帖子 * Anthropic：利用 Claude 发现密码学缺陷 * CyberScoop：Anthropic 的 Claude Mythos 发现加密算法缺陷 * The Decoder：Anthropic 表示其 Mythos 模型发现了保障互联网安全的加密算法漏洞 * CSO Online：Mythos 首次尝试挑战后量子密码学 * Rescana：AI 驱动的密码分析：Claude Mythos 揭示 HAWK 后量子缺陷并加速 7 轮 AES 攻击 * The Hacker News：Claude AI 刚破解了一项后量子测试方案，并发现了一种更快的 7 轮 AES 攻击方法 * TNW：Claude 发现了两种加密算法中的数学缺陷，而这些缺陷多年来被专家审查所忽略 * Matthew Green：关于 Anthropic 最新密码分析结果的一些思考 * Security Affairs：Claude Mythos 表明 AI 的速度可超越人类密码学研究 * RuntimeWire：Anthropic 表示 Claude 改进了针对 HAWK 和减少轮次 AES 的攻击