使用 Claude 发现密码学弱点

密码学结果的范围和意义

• AES 工作针对的是 7 轮 AES-128 且采用已知明文；现实系统中的完整 10 轮 AES 不受影响。
• 相较于此前对 7 轮攻击的改进，被描述为边际性的（几比特安全性），并且只是长期一连串渐进式攻击中的一环。
• HAWK 结果通过其格中的一个自同构，将简化版 HAWK-256 变体的有效密钥强度减半；这可能可扩展到 HAWK-512，但由于 HAWK 尚未部署，因此目前还不算现实世界中的关键问题。
• 几位评论者强调，这属于对 reduced-round / chosen-plaintext 模型的标准密码分析实践，并不是对已部署系统的实际破解。

后量子密码学与安全担忧

• 一些人对完全依赖 PQC 方案感到不安，更倾向于混合（经典 + PQC）模式；另一些人则反驳说，混合方案会增加复杂性和开销。
• 关于量子时间线的争论：有人认为严重的量子威胁仍然很遥远；也有人指出，大公司已经在计划弃用前量子密码学。
• 对“由 LLM 发现的 PQC 弱点”被用来推动或抵制 PQC 采用，持怀疑态度。

AI 贡献的性质

• 许多人认为这些攻击是 AI 辅助下对既有想法的改进，而不是全新的概念。
• 有几位把这比作 LLM 在数学中寻找反例：是在已知理论之上，借助不错的启发式进行大量搜索。
• 一个关键的开放问题是可复现性：系统多频繁能找到“正确路径”，以及其中有多少是随机幸运、多少是多智能体协作。

成本、访问与不平等

• 据说每个结果在约一周内消耗了大约 10 万美元的 API 用量；一些人认为这说明一种“技术贵族”正在出现。
• 另一些人则认为，随着早期个人电脑时代那样的发展，成本会下降，而且内部团队天然会比公众用户拥有更高的吞吐量。
• 讨论还拿更便宜的非美国模型作比较，对于它们缺乏类似公开结果，是意味着能力更低，还是只是优先级或保密程度不同，意见并不一致。

提示、工具与“AI 使用”作为一种技能

• 所使用的提示词很随意、重复且充满拼写错误，因此有人淡化“提示工程”作为一门学科的说法。
• 另一些人则认为，真正的技能在于界定任务范围、管理上下文、注意模型何时偏离或产生幻觉，并把它当作一个初级协作者来对待。
• 关于复杂的 agent 设置（skills、config files）与简单工具访问加轻度引导之间，也存在争论；不同人的经验显示，额外结构有时有帮助，有时反而有害。

表述、公关与研究过程

• 几位评论者觉得博客开头夸大了新颖性，因为这种弱点存在的可能性早已为人所知。
• 对发表偏差和营销的担忧：许多失败的尝试不可见，而成功的尝试却被大肆宣传。
• 另一些人则为此辩护，认为这就是正当的科学：检验模型的主张、撰写论文并接受社区审视，本来就是正常流程。
• 也有人担心把这些结果过度解读为“AI 比密码学家更强”，而不是“AI 可以在有人类定义框架内加速渐进式工作”。

对数学和开放问题的更广泛影响

• 有人担心，AI 会让某些问题变得微不足道，而让另一些问题显得“被加固”了，从而打击人类努力，因为“连 AI 都没法解决它”。
• 另一些人则认为，人类会继续研究 AI 做不到的事情，并可能把 AI 作为工具，去探索那些被遗漏的简单想法或生成候选构造。