هوش مصنوعی Claude موفق به شکستن طرح آزمایشی پساکوانتومی HAWK و ارائه حملهای سریعتر علیه AES-128 شد
هوش مصنوعی Claude موفق شد یک حمله مؤثر علیه طرح آزمایشی پساکوانتومی HAWK-256 و روشی تا ۸۰۰ برابر سریعتر برای حمله به نسخه هفتمرحلهای AES-128 ارائه دهد، هرچند این نتایج فعلاً امنیت سامانههای عملیاتی را تهدید نمیکنند.
سایبرنامه
@cybernameh
شرکت Anthropic اعلام کرد که مدل Claude Mythos Preview در یک دستاورد مهم پژوهشی موفق شده است یک حمله کامل برای بازیابی کلید در الگوریتم HAWK-256 و همچنین روشی برای افزایش سرعت ۲۰۰ تا ۸۰۰ برابری حمله شناختهشده به نسخه هفتمرحلهای AES-128 ارائه دهد.
در حمله نخست، مدل Claude از یک تقارن ناشناخته در ساختار شبکهای (Lattice) الگوریتم HAWK استفاده کرده و توانسته است کلیدی معادل کلید خصوصی را از روی کلید عمومی بازیابی کند. پیادهسازی منتشرشده توسط Anthropic نشان میدهد این حمله روی پارامتر آزمایشی HAWK-256 با استفاده از یک سرور ۹۶ هستهای در حدود ۳ ساعت و ۴۲ دقیقه قابل اجرا است.
دستاورد دوم مربوط به نسخه ۷ دور از ۱۰ دور استاندارد AES-128 است. Claude موفق شده مرحله حدس زدن ۲۵۶ مقدار ممکن را از یک حمله از نوع Meet-in-the-Middle حذف کند و در نتیجه سرعت اجرای حمله را تا ۸۰۰ برابر افزایش دهد.
با این حال، Anthropic تأکید کرده است که هیچیک از این نتایج امنیت سامانههای عملیاتی را تهدید نمیکند. حمله به HAWK تنها پارامتر آزمایشی HAWK-256 را هدف قرار میدهد و نسخههای اصلی HAWK-512 و HAWK-1024 همچنان از نظر عملی غیرقابل شکستن هستند. همچنین حمله به AES تنها نسخه هفتمرحلهای را شامل میشود و برای اجرا به حجم بسیار بزرگی از متن ساده انتخابی نیاز دارد؛ شرایطی که در کاربردهای واقعی وجود ندارد.
Anthropic اعلام کرده بخش عمده این پژوهش توسط خود مدل Claude Mythos Preview انجام شده و پژوهشگران انسانی عمدتاً مسئول هدایت پروژه، تأمین منابع محاسباتی و اعتبارسنجی نتایج بودهاند. این تحقیق همراه با دو مقاله فنی و کدهای لازم برای بازتولید نتایج منتشر شده است.
در پی تأیید نتایج این حمله، تیم توسعه HAWK در تاریخ ۲۹ ژوئیه ۲۰۲۶ اعلام کرد که این الگوریتم را از فرایند استانداردسازی امضاهای دیجیتال پساکوانتومی NIST خارج میکند. مؤسسه NIST نیز متعاقباً وضعیت HAWK را در فهرست نامزدهای مرحله سوم به Withdrawn (خارجشده) تغییر داد.
این رویداد یکی از مهمترین نمونههای استفاده از هوش مصنوعی در تحلیل رمزنگاری پیشرفته محسوب میشود و نشان میدهد مدلهای زبانی در حال ورود به حوزههایی هستند که تاکنون عمدتاً در اختیار پژوهشگران متخصص رمزنگاری قرار داشت.
نظرات
- در حال بارگذاری…
ثبت نظر
برای ثبت نظر اطلاعات زیر را پر کنید.
چگونه Pentera گردشکارهای امنیتی مبتنی بر هوش مصنوعی را به موتورهای اعتبارسنجی امنیتی تبدیل میکند
Pentera با ادغام قابلیتهای اعتبارسنجی امنیتی در گردشکارهای هوش مصنوعی، تصمیمگیری تیمهای امنیتی را از اولویتبندی مبتنی بر ریسک به شناسایی و اصلاح مسیرهای حملهای که واقعاً قابل بهرهبرداری هستند، ارتقا میدهد.
