GPT‑6 Astra 破解了 1941 年的 Enigma MVUEH 消息

GPT‑6 Astra 破解了 75 年前的 Enigma 密码

要点： 2026 年 9 月 15 日，OpenAI 的 GPT‑6 模型（代号 Astra）独立破解了德国陆军 Enigma 消息 MVUEH（1941 年 7 月 10 日）。该密文自 2005 年以来一直未被破解，Astra 通过发现一种新颖的密钥、转子顺序以及罕见的左转子翻转成功将其破译。

为什么 MVUEH 消息很重要

  • MVUEH 密文由党卫队骷髅总队军需官 Ib 于 1941 年 7 月 10 日记录为 Nr. 172 号消息，自发布以来一直是 Crypto Cellar Research “1941 年消息列表”的一部分。
  • 当天的所有其他通信都使用了带有转子顺序 512 的日常 Enigma 密钥。MVUEH 需要完全不同的转子顺序 (253) 以及独特的接线板和环形设置，这一事实误导了早期的分析人员。
  • 消息长度（82 个字符）和一个转录错误（“Btte”而非“Bitte”）进一步增加了传统提示词（crib）攻击的难度。
  • 在第 72 个字符处存在罕见的左侧转子翻转；此类翻转并不常见，且会破坏许多自动密码分析启发式算法。

这些异常情况解释了为什么该消息在二十多年里一直未能被破解。

GPT‑6 Astra 如何处理这个问题

  • 提示词与目标选择： Carter Leffer 指示 Astra 扫描 Crypto Cellar 网站以查找任何未破解的 Enigma 消息。该模型确定 MVUEH 是最有希望的目标，并注意到它与已破解的 Nr. 173 (SIPVX) 消息之间可能存在关联。
  • 提示词生成： Astra 假设重复的地名 ROSENOW ROSENOW 可以作为提示词，这是 Enigma 密码分析中的一种常用技术。
  • 工具创建： 该模型编写了 Python 和 C++ 代码来实现 Enigma 模拟器和 Bombe 风格的搜索引擎，并将提示词整合到搜索空间中。
  • 搜索执行： 使用生成的软件，Astra 对转子顺序、接线板配置和环形设置进行了系统搜索，最终发现了唯一的密钥（转子顺序 253）并确认了左转子翻转。
  • 验证： 使用发现的设置对恢复的明文进行重新加密，逐字节还原了原始密文，从而证实了破解的正确性。

恢复的明文及其意义

密文（转录）：

BTTE UM ANGABE DES MARSQWEGES X BEFINDE MIQ IN X ROSENOW ROSENOW X SOFORT FUNKANTWORT X WASCHBBSCH

更正后的明文：

BITTE UM ANGABE DES MARSCHWEGES. BEFINDE MICH IN ROSENOW, ROSENOW. SOFORT FUNKANTWORT. WASCHBUSCH.

中文翻译：

“请说明行军路线。我身处 Rosenow，Rosenow。需要立即无线电回复。Waschbusch。”

该明文与 Nr. 173 (SIPVX) 消息的明文几乎相同，仅因拼写错误和重复签名而有 12 个字符的差异。

从 AI 研究过程中获得的见解

  • Astra 定位到了 Bundesarchiv 无线电消息集（卷 RS 3‑3/20a 和 RS 3‑3/63b）的参考资料，这些资料并未在 Crypto Cellar 网站上公开列出。该模型的内部“证据传递”将语料库追溯到了一个私人收藏，这表明它能够自主发现档案线索。
  • AI 的日志显示了一个为期两天的流程：(1) 数据收集和假设形成，(2) 软件生成和穷举密钥搜索。人工监督仅限于初始提示和后续对输出的验证。
  • 评论者指出，其他大语言模型（例如 Qwen 3.7, Gemini 3.8 Flash）在给出相同的提示词时也能解码该密文，但 Astra 独特之处在于无需外部工具即可完成端到端的流程。

社区反应与质疑

  • 人在回路的重要性： 一些评论者强调 Leffer 的指导至关重要，认为这一突破仍然依赖于人类的洞察力来选择目标并解释结果。
  • 软件原创性： 有人质疑生成的模拟器代码中有多少是新颖的，有多少是复用了现有的开源 Enigma 工具。
  • 验证担忧： 一些用户询问如何确定明文的准确性，并指出 Enigma 的多对一映射可能会产生看似合理但不正确的解码。
  • 更广泛的影响： 几位参与者将这一成功与大语言模型在密码分析中日益增长的辅助能力联系起来，推测其未来在未破解历史密码（例如 Zodiac, Kryptos）甚至创建新加密方案方面的应用。

这对密码分析意味着什么

  • 经典攻击的自动化： GPT‑6 表明大语言模型不仅可以建议提示词，还可以生成并执行完整的密码分析流程，将数周的手动工作缩短为几天。
  • 发现隐藏的档案材料： 该模型定位晦涩参考资料的能力表明，未来 AI 辅助的档案研究可以加速历史密码分析。
  • 人机协作模型： 虽然 AI 承担了繁重的工作，但人类的专业知识在提示词设计、结果验证和上下文解释方面仍然必不可少。

未来方向

  • 针对未触及密码的基准测试： 研究人员应在没有先前解决方案的 Enigma 消息上测试 Astra，以评估其真正的创新性。
  • 开源可重复性： 发布生成的模拟器代码和搜索日志将使独立验证成为可能，并促进社区改进。
  • 伦理考量： 大语言模型定位和利用私人档案收藏的能力引发了关于数据来源和负责任使用的问题。

MVUEH 的破解展示了大语言模型在增强甚至在某些情况下自动化复杂密码分析任务方面的新兴力量，这些任务几十年来一直困扰着专家。

Sources

相关