人工智慧正在加速密碼分析。密碼學必須學會適應 

2026年7月，Anthropic公司公佈了使用Claude Mythos Preview程式所獲得的兩項密碼分析成果。其中一項改進了針對HAWK（一種建議的後量子簽名方案）的攻擊，另一項改進了針對七輪AES版本的攻擊。 Anthropic公司明確指出了這兩項成果的限制：它們目前均不影響生產系統。 

這一點至關重要。人工智慧並沒有讓已部署的加密技術突然失效。它只是改變了研究人員搜尋大量技術、檢驗假設、設計實驗以及探索未知結構的速度。其直接影響是加速了密碼分析工作，而不是提供了一條繞過複雜數學的捷徑。 

因此，實際問題不在於人工智慧是否會“破解密碼學”，而在於密碼系統的哪些部分面臨壓力，最近的研究結果實際上表明了什麼，以及防御者能否在研究發現演變為實際操作事故之前做出應對。 

密碼系統失效的三種方式  

密碼安全至少包含三個層面，它們不應被視為可互換。 

第一個是 施工演算法、其參數以及背後的數學假設。公開的加密演算法理應接受所有人的審查。其安全性取決於攻擊者能否利用現有資源解決相關問題。數位簽名方案必須允許任何人驗證簽名，同時確保偽造簽名不可行。安全證明使這些聲明更加精確，但前提是必須滿足既定的假設並達到特定的安全目標。 

第二個是 履行一個數學上合理的演算法可能會在時序、快取行為、功耗、電磁輻射等方面出現漏洞。safe 隨機性或故障響應。實作中也可能誤用正確的原語，或透過普通的程式錯誤洩露秘密。所有這些攻擊都不需要破解底層的數學問題。 

第三是 手術密鑰需要輪換。被入侵的客戶端需要撤銷授權。協定需要有過渡到新演算法的途徑。安全團隊需要了解加密技術的應用場景以及每個金鑰所依賴的資料。一個在發現漏洞後無法進行任何更改的系統，其實際的彈性遠不如其演算法名稱所暗示的那樣強大。 

這種區分也解釋了為什麼不應將近期人工智慧的研究成果概括為對加密演算法的單一攻擊。 HAWK 攻擊針對的是一種候選構造；AES 攻擊針對的是一個較小的研究目標；BSI 攻擊則著重於實現分析。每項研究成果都具有不同的威脅模型和不同的實質意義。 

密碼學處於更大的攻擊面之中。 

密碼學很少單獨失效。圍繞基本密碼技術的部署方式會影響攻擊者如何觀察、測試和應對該技術。 

Petar Radanliev 於 2026 年發表的一項研究從不同的角度得出了類似的結論。該研究結合了文獻計量分析、20 次專家訪談和 3 次產業研討會，旨在檢視人工智慧驅動的針對公鑰系統的攻擊。該論文認為，密碼安全應被視為一種自適應的系統級屬性，而非僅取決於演算法強度。其訪談和研討會的證據有助於了解從業者的擔憂，但樣本量較小且具有定性，因此不應將其解釋為對整體流行情況的估計。 

這種系統層面的框架在這裡非常有用，因為它將建置層、實作層和運行層連接起來。人工智慧可以搜尋方案中的弱點，幫助分析實現過程中的漏洞，並使妥協後的行動更具適應性。這些能力各不相同，但它們都有利於那些可以被檢查、驗證和修改的系統。 

同樣的加速技術也能降低應用程式冒充的成本，即使在使用公鑰加密的系統中也是如此。應用程式在其正常運作過程中可能會攜帶公鑰或證書，例如用於識別簽名機構或驗證簽名訊息。這些資訊本應是公開的，但仍可能成為冒充的誘餌。當後端或安全檢查將特定金鑰或憑證的呈現視為應用程式身分的證明時，惡意軟體可以提取這些資訊並將其複製到仿冒應用程式中。借助人工智慧技術的惡意軟體可以自動執行提取操作，重建請求流，產生仿冒客戶端，並隨著應用程式的變化調整其流量。 

提取出的公開資料仍然無法偽造相應的簽名或解密資料。其弱點在於，底層協議將公開的加密材料與請求來自真實應用程式的證明混淆了。在客戶端身分至關重要的情況下，伺服器需要更強的訊號，例如平台認證（如果可用）或證明擁有在該伺服器上產生和保護的私鑰的簽章。人工智慧加速了冒充客戶端的提取和構建，但它並不會破壞底層的公鑰演算法。 

近期結果表明 

鷹：對候選人的一項重要結果 

Anthropic公司報告了一種針對HAWK的改良型金鑰恢復攻擊。 HAWK是一種基於格同構問題的後量子簽章方案。 HAWK曾通過美國國家標準與技術研究院（NIST）多輪後量子簽章方案的評審，但最終並未被部署或採納為標準。 HAWK項目目前記錄顯示，在攻擊揭露後，該方案已退出評審流程。 

結果依然意義重大。 Anthropic公司表示，這次攻擊有效地將HAWK的關鍵防禦能力削弱了一半。攻擊仍然是指數級的，而非真正意義上的多項式時間破解，而且針對更大參數集的攻擊仍然十分困難。但要恢復預期的安全裕度，就需要做一些改變，而這些改變會削弱HAWK的部分效率優勢。 

這只是對HAWK演算法建構層面的發現，並非對後量子密碼學整體的結論。此攻擊僅針對HAWK演算法，無法直接應用於基於不同難題的Falcon演算法，也無法證明格密碼學普遍存在缺陷。這個結果的價值在於，公開審查在HAWK成為部署系統的標準之前就發現了其弱點。 

減少輪數的AES：一項研究進展，而非實際突破 

第二個 Anthropic 研究成果涉及 AES-128 的七輪版本。完整的 AES-128 使用十輪；AES-192 和 AES-256 分別使用十二輪和十四輪。密碼分析人員研究縮減輪數的版本，是因為它們提供了一種無需破解完整密碼即可測試攻擊技術和評估安全裕度的方法。 

Anthropic公司報告了一種新的中間相遇攻擊技術，該技術將先前針對七輪AES加密的攻擊性能提高了約200到800倍，具體倍數取決於運行時間的測量方式。該攻擊仍然基於選擇明文加密，攻擊者可以使用固定的未知金鑰對多個輸入進行加密。先前的工作大約需要2105 選定的明文使得實驗在普通系統中完全不切實際。 

這有力地證明了人工智慧可以為密碼分析研究做出貢獻。但這並不代表HTTPS、磁碟加密或其他使用全輪AES的系統需要緊急遷移。如果忽略了讓結果有意義的前提條件，就不能將針對七輪AES的破解結果解讀為對十輪AES的破解。 

密碼分析基準測試：更有系統地衡量能力 

基準測試並非對已部署密碼技術的攻擊，但它可以顯示模型是否在導致攻擊的工作中變得有用。 密碼分析基準測試 評估涵蓋六大類密碼原語的 191 項任務中的語言模型。 

本文將任務分為三大類：已知實用破解方法的方案；未知實用破解方法的方案（分別以完整強度和縮減後的變體進行測試）；以及旨在代表密碼分析前沿的挑戰性任務。在報告的結果中，前沿模型解決了大部分已知破解方法的方案，解決了第二類方案中的幾個完整強度的方案，並解決了更多縮減後的變體方案。 

作者還報告了一例密鑰恢復攻擊，該攻擊涉及 SpoC 認證加密構造中的設計缺陷以及 KINDI 已發表的選擇密文安全性證明中的一個錯誤。這些發現應謹慎對待：論文將其描述為作者所知的新發現，而非以此為由假定所有類似構造都存在缺陷。safe其重要性在於，模型輸出現在可以產生具體的結論，研究人員可以根據實際規格和實現情況進行檢驗。 

因此，此基準測試的實用價值體現在兩個方面。它為研究人員提供了一種衡量進展的方法，並為候選方案提供了一種可能的部署前壓力測試。但它並不能取代專家評審的必要性。模型可能會提出看似有說服力的論點，但這些論點可能針對的是較弱的變體，也可能錯誤地陳述了某個假設，或包含一些不易察覺的錯誤。因此，發現成本越低，獨立驗證的價值就越高。 

人工智慧在實施層面已經發揮了重要作用。 

人工智慧與密碼學的連結不僅限於大型語言模型。德國聯邦資訊安全辦公室 (BSI) 將機器學習描述為側通道分析中成熟的技術。側通道攻擊會學習計算過程中無意產生的影響，例如運行時間、功耗、電磁輻射或快取行為。 

BSI報告稱，其團隊在2018年CHES挑戰賽中，將神經網路與SAT求解器結合，從功耗曲線中恢復了AES金鑰。在2020年的挑戰賽中，該團隊將相關技術應用於Clyde-128，這是一種旨在抵抗側通道攻擊的輕量級密碼實作。這些例子並沒有從數學層面破解AES，而是恢復了物理實作中洩漏的資訊。 

這種區別對防御者至關重要。人工智慧可以幫助攻擊者處理噪音測量資料、選擇有用特徵、比較假設，並將統計識別與精確密鑰恢復聯繫起來。它還可以幫助防禦者在測試期間發現洩漏。 BSI 正在研究這些方法如何應用於非對稱和後量子加密實現，同時指出，最有效的結果通常是將機器學習與專家知識結合。 

這並非意味著機器學習可以取代密碼分析的專業知識，而是意味著實現安全性本身就是一個實際的研究領域，自動化可以降低專業分析的成本。 

白盒密碼技術會增加成本，而不是建立信任邊界。 

白盒密碼學是一個很有用的案例研究，因為它能異常清晰地展現實現問題。假設一個應用程式需要驗證許可證令牌或認證客戶端請求。傳統的訊息認證碼 (MAC) 依賴一個金鑰。如果一個不受信任的客戶端獲得了該金鑰，那麼控制該客戶端的攻擊者就有可能產生有效的 MAC，而不管加密演算法本身是否足夠強大。 

白盒攻擊技術透過結合混淆程式碼、轉換後的查找表和其他實現技術，試圖增加嵌入式密鑰的提取難度。它們專為在使用者可以檢查和操作的環境中運行的軟體而設計。這使得它們能夠有效提高針對純軟體支付元件、授權系統、內容保護以及某些設備端模型保護方案的攻擊成本。 

它們並不會將客戶端變成可信環境。在 2016 年微軟研究院的演講中，《差分運算分析》的作者描述了一種與差分功耗分析相對應的軟體工具。他們的工具記錄了已插樁軟體的記憶體存取軌跡，並利用金鑰相關的關聯性從公開可用的標準化密碼學白盒實作中提取金鑰。這種攻擊無需存取供應商的查找表，也無需傳統的逆向工程。 

DCA並非人工智慧的產物。人工智慧或許能加快部分痕跡分析的速度，但這只是未來的可能性，而非DCA本身所能展現的。目前已確立的結論已足夠充分：混淆計算過程並不會消除計算結果所包含的資訊。 

當可信任硬體無法使用或無法在所有裝置上使用時，白盒加密可以作為合理的緩解措施。但它不應被視為保護高價值密鑰或交易的唯一手段。伺服器端授權、硬體金鑰（如有）、程式碼簽章、執行時期完整性檢查、監控、短期憑證以及撤銷機制可以應付不同的故障模式。設計時應假定客戶端最終可能被修改或提取。 

什麼仍然能提供更強的競爭力 

沒有任何演算法能提供永久保障。更強的演算法優勢來自於多種特性的結合： 

- 公開審查的建築物已達到最大強度。 一個經過廣泛分析並具有足夠安全裕度的最終標準，比專有設計或縮減輪次的實驗更可取。 NIST的 ML-KEM 以及 ML-DSA 標準的製定需要公眾的分析，但標準化並不意味著未來的審查就不必要。 

- 保守的假設和邊際。 方案不應依賴已知最佳攻擊的成本僅略高於所需安全等級。候選方案即使通過了初步審查，也需要持續分析。 

- 強化實現。 恆定時間行為， safe 隨機性、側通道測試、容錯性、安全金鑰儲存和正確的協定組成保護了原始程式與運行它的裝置之間的安全距離。 BSI關於側通道電阻的指導 將此視為工程和評估問題，而不是演算法名稱自動產生的屬性。 

- 不要將公鑰材料視為應用程式身份驗證。 從應用程式提取的公鑰或憑證可以複製到外觀相似的客戶端。它的存在或許可以蒙蔽一些薄弱的身份驗證機制，但它本身卻無法產生有效的簽名。在客戶端身份驗證至關重要的情況下，應盡可能使用平台認證，或在裝置上產生並保護每次安裝時使用的私鑰，並要求提供持有證明，同時支援撤銷機制。 

- 獨立核實。 重現攻擊，檢查其參數，測試其程式碼，並審查它實際證明的定理。形式化且機器可驗證的證明會有所幫助，但專家仍需要確認形式化陳述與重要的安全聲明相符。 

- 能夠更換零件。 對加密依賴項進行清點，將演算法選擇與應用程式邏輯分離，對協定進行版本控制，支援有序的遷移路徑，輪換金鑰，並撤銷被入侵的客戶端。這就是加密敏捷性的真正展現。 

對於使用者控制設備上的軟體，還需要維護另一項分離性。機密性、完整性、設備信任和授權是不同的安全目標。白盒技術或許有助於實現設計中的某個部分，但無法同時實現所有這些目標。 

韌性意味著能夠移動 

人工智慧輔助的密碼分析改變了安全研究的節奏。候選目標可以被更深入地搜索，側通道攻擊的追蹤可以大規模處理。在人類團隊完成相關文獻閱讀之前，潛在的攻擊可能已經變成了可執行程式碼。這使得驗證、可復現性和專家判斷變得更加重要，而不是不那麼重要。  

當務之急並非放棄現有的密碼學技術，而是讓相關的安全程序更容易檢查和修改。使用具有足夠安全裕度的公開方案。測試實際實作是否存在安全漏洞。在模型生成的發現被獨立復現之前，將其視為假設。追蹤演算法和金鑰的使用情況。在緊急情況發生前進行遷移演練。 

密碼學的韌性並非源自於其神秘性。只有當其假設公開、實現經過測試、聲明可驗證，且操作人員能夠在新證據改變現狀時更換組件時，密碼學才具備韌性。人工智慧將持續增強攻擊者的工具箱。防禦者需要能夠以與之相當的速度改進和變化的系統。 

資料來源和進一步閱讀 

• 「Anthropic：利用 Claude 發現密碼學弱點」：https://www.anthropic.com/research/discovering-cryptographic-weaknesses 

• 「CryptanalysisBench：LLM 能進行密碼分析嗎？」：https://arxiv.org/abs/2607.18538 

• 「Matthew Green：關於Anthropic最新密碼分析結果的一些思考」：https://blog.cryptographyengineering.com/2026/07/29/some-notes-about-anthropics-new-results/ 

• 「BSI：人工智慧在密碼學中的應用」：https://www.bsi.bund.de/EN/Themen/Unternehmen-und-Organisationen/Informationen-und-Empfehlungen/Kryptografie/KI-in-der-Kryptografie/ki-in-der-yptografie.html 

• 「BSI：側通道攻擊防護」：https://www.bsi.bund.de/EN/Themen/Unternehmen-und-Organisationen/Informationen-und-Empfehlungen/Kryptografie/Seitenkanalresistenz/seitenkanalresistenz_node.html 

• 「NIST FIPS 203：基於模組格的金鑰封裝機制標準」：https://csrc.nist.gov/pubs/fips/203/final 

• 「NIST FIPS 204：基於模組格的數位簽章標準」：https://csrc.nist.gov/pubs/fips/204/final 

• 「HAWK：一種受格同構問題啟發的簽名方案」：https://hawk-sign.info/ 

• 「微軟研究院：差異計算分析」：https://www.microsoft.com/en-us/research/video/differential-computation-analysis-hiding-your-white-box-designs-is-not-enough/ 

• 「Radanliev：人工智慧驅動的自適應對手以及公鑰系統中密碼信任的侵蝕」：https://link.springer.com/article/10.1186/s40543-026-00547-y