Anthropic Claude Mythos 暗号解析結果

Anthropic の未公開高度モデル Claude Mythos は、HAWK 署名スキーム向けの新しい鍵回復アルゴリズムと、縮小ラウンド AES に対する既存の攻撃のわずかな改良という、2 つの異なる暗号解析結果を成功裏に生み出しました。これらの結果は、先進的な AI モデルが詳細な人間の介入なしに、既存の暗号解析研究を理解し、統合し、拡張できるようになったことを示しています。

HAWK 署名スキームへの影響

HAWK に対する攻撃は、提案されたポスト量子安全署名スキームのセキュリティマージンを低減させる重要な結果です。HAWK はモジュール格子同型問題（module-LIP）に基づいており、将来の標準化に向けて評価されていました。

HAWK 攻撃に関する主なポイントは次のとおりです:

Security Reduction: この攻撃は実用的な「SF的」意味で HAWK を破るわけではなく、セキュリティビット数を大まかに半分に減らします。つまり、攻撃は依然として時間的に指数関数的です。理論的には鍵サイズを倍にすれば修正可能ですが、そうすると HAWK の主な利点である効率性が失われます。
Practical Demonstration: 攻撃は機能するコードを生成し、数時間の実時間で弱体化された「challenge instance」の HAWK に対して鍵を正常に回復しました。
Methodology: この攻撃は新しい数学を発明したわけではありません。代わりに、既知の既存ツールを人間の研究者が行ったよりも徹底的に統合・拡張しました。

縮小ラウンド AES 攻撃の分析

AES に関する結果は技術的には暗号解析の進展ですが、AES 標準に対する実用的な脅威はありません。この攻撃は 7 ラウンドの AES 変種を対象としており、実際に展開されているバージョンは 10、12、または 14 ラウンドです。

Marginal Improvement: この攻撃は 2013 年に初めて公表された研究に対するわずかな定数因子の改善です。
Impracticality: 攻撃には $2^{89}$ 回の暗号操作と $2^{105}$ 回の選択平文暗号化が必要であり、実際の応用には全く実用的ではありません。
Theoretical Nature: 操作回数が非常に多いため、結果は実行可能な攻撃というよりも紙上の分析に留まります。

AI 研究手法と検証可能性

Anthropic の研究プロセスは、これらの結果が AI を調整するドメイン専門家のチームによって得られたのではなく、モデルに一般的な目標を与えて反復させたことによることを示しています。使用されたプロンプトはしばしばシンプルで、モデルに「突破口を開く」よう指示する程度でした。

検証ボトルネック

AI モデルがより多くの数学的・暗号解析的結果を生成するにつれ、ボトルネックは発見から検証へと移行しました。

Easy Verification: HAWK に対する完全な攻撃のように、提供されたコードを challenge instance に対して実行すれば容易に検証できます。
Difficult Verification: AES の結果のような微妙な改良は、複雑な人間によるレビューや形式的に検証可能な証明（例：Lean 言語を使用）を必要とします。ただし、これらの証明は定理の定式化に極めて敏感であり、依然として人間の専門家の監督が必要です。

暗号学と AI 能力への影響

これらの結果は、現在の LLM に関する二つの一般的な見解に挑戦します。

「単なる高度なオートコンプリート」ではない: 既存のツールを統合して新たな実用的攻撃を作り出す能力は、単なるパターンマッチングを超える知性と能力を示しています。
まだ AGI ではない: これらの突破口にもかかわらず、モデルは有用から全く手がかりがつかめない状態へと急激に転換する「ドロップオフ」点を持ち、超知能にはまだ到達していないことを示しています。

コミュニティの見解

研究者や観察者の間での議論は、「crypto-post-slop」への懸念が高まっていることを浮き彫りにしています。これは、AI が実用的でない前提に依存しながら「標準を破る」ことを主張する、マージナルでクリックベイト的な暗号解析結果を大量に生成する可能性です。

モデルの利用可能性に関しては、Claude Mythos が一般公開されていない一方で、"Fable" のようなフィルタリングされたバージョンを通じて部分的に利用できると指摘するユーザーもいます。サイバーセキュリティ関連の問い合わせが検出されると、モデルの性能が低下する可能性があります。