کلاود میتوس؛ شناسایی نقاط ضعف ریاضی در الگوریتم‌های رمزنگاری پساکوانتومی

مرز بین ابزارهای کمک‌کدنویسی و پژوهش‌های ریاضی خودگردان همین امروز جابجا شد. باید بدانید که مدل‌های زبانی اکنون می‌توانند فراتر از یافتن خطاهای رایج در کد، نقاط ضعف بنیادین در ریاضیاتِ محافظِ داده‌های جهانی را شناسایی کنند. این تحول به این معناست که هوش مصنوعی از یک دستیار برنامه‌نویسی به یک تحلیلگر رمزنگاری تبدیل شده است.

طبق گزارش فنی منتشر شده در ۲۸ ژوئیه ۲۰۲۶، مدل Claude Mythos Preview موفق شد نقص‌های ساختاری در الگوریتم‌های رمزنگاری را شناسایی کند. این یک چرخش راهبردی است؛ چراکه پیش از این، مدل‌های زبانی بزرگ (LLM) عمدتاً برای یافتن «میوه‌های پایین‌دراز» مثل خطاهای منطقی یا سرریز بافر (buffer overflow) در کتابخانه‌های مشترک به کار می‌رفتند. همان‌طور که در تحلیل قبلی ما درباره‌ی ابزار Claude Code و مدیریت پیکربندی‌های پیچیده محیطی اشاره کردیم، قابلیت‌های جدید مدل‌ها اکنون به قلمرو تحلیل رمزنگاری نظری (Theoretical Cryptanalysis) وارد شده است؛ جایی که هوش مصنوعی مستقیماً به سراغ ریاضیاتی می‌رود که امنیت میلیاردها کاربر را تضمین می‌کند.

زمینه: نقش رمزنگاری مدرن

برای درک ابعاد این موضوع، باید به سازوکار رمزنگاری مدرن در دنیای واقعی نگاه کنیم. وقتی شما وب‌سایتی مثل anthropic.com را باز می‌کنید، مرورگر شما از یک «طرح امضای دیجیتال» برای تأیید اصالت وب‌سایت استفاده می‌کند تا مطمئن شود شما با سرور واقعی ارتباط دارید و نه یک impostor. پس از تأیید اصالت، تمام ترافیک داده‌ها با استفاده از «رمزهای متقارن» (Symmetric Ciphers) رمزگذاری می‌شود. این رمزها اجازه می‌دهند داده‌ها به صورت امن بین طرفینی که یک کلید یکسان را به اشتراک دارند، منتقل شود.

بدون این سیستم‌های امن، خدمات حیاتی مانند بانکداری آنلاین و پست الکترونیک در برابر مجرمان سایبری کاملاً آسیب‌پذیر می‌شدند. مهاجمان می‌توانستند به راحتی ارتباطات را شنود کرده یا محتوای پیام‌ها را تغییر دهند. این آسیب‌پذیری‌ها در سطح کاربرد، زمانی حساس‌تر می‌شوند که ابزارهای تولید رمز پیش‌بینی‌پذیر باشند؛ موضوعی که در گزارش Irregular درباره‌ی رمزهای عبور تولیدشده با هوش مصنوعی به طور مفصل بررسی شده است. از آنجا که این سیستم‌ها محافظ میلیاردها کاربر هستند، هرگونه نقص در الگوریتم‌های ریاضی زیربنایی می‌تواند داده‌های جهانی را در معرض خطر جدی قرار دهد.

جزئیات: مکانیزم‌های فنی تحلیل رمزنگاری

امنیت رمزنگاری معمولاً بر پایه «سختی محاسباتی» مسائل ریاضی خاص استوار است. اگر مهاجمی بتواند میان‌بری برای حل سریع این مسائل پیدا کند، کل امنیت سیستم فرو می‌پاشد. در این راستا، سه حوزه کلیدی مورد بررسی قرار می‌گیرند:

• طرح‌های امضای دیجیتال (Digital Signature Schemes): این طرح‌ها هویت فرستنده را ثابت می‌کنند. اگر ریاضیات زیربنای آن‌ها شکسته شود، یک مهاجم می‌تواند امضاهای جعلی بسازد و خود را به جای وب‌سایت‌ها یا کاربران معتبر جا بزند.
• رمزهای متقارن (Symmetric Ciphers): این‌ها جریان واقعی داده‌ها را رمزگذاری می‌کنند. شکستن این رمزها به مهاجم اجازه می‌دهد ارتباطات خصوصی بین دو طرف را رمزگشایی کرده و بخواند.
• رمزنگاری پساکوانتومی (Post-Quantum Cryptography یا PQC): این یک حوزه تخصصی است که هدف آن ساخت الگوریتم‌هایی است که بتوانند در برابر حملات کامپیوترهای کوانتومی مقاومت کنند. کامپیوترهای کوانتومی از نظر تئوری قادرند استانداردهای کلاسیکی مانند RSA یا ECDSA را به سرعت بشکنند.

حمله به الگوریتم HAWK

بزرگ‌ترین و اثرگذارترین دستاورد این پژوهش، هدف قرار دادن HAWK است؛ یک طرح امضای دیجیتالی که در حال حاضر در دور سوم فرآیند استانداردسازی PQC در مؤسسه ملی استاندارد و فناوری آمریکا (NIST) قرار دارد. در سال ۲۰۲۲، NIST فراخوانی برای سیستم‌هایی داد که حتی در برابر کامپیوترهای کوانتومی امن بمانند. این تلاش حیاتی است زیرا کامپیوترهای کوانتومی در نهایت رمزنگاری‌های کلاسیک مثل RSA یا ECDSA را از کار می‌اندازند.

• کشف نقص: مدل Mythos Preview یک تقارن ناشناخته و پیش‌تر بهره‌برداری‌نشده به نام «اتومورفیسم غیربدیهی» (nontrivial automorphism) را در ساختار شبکه‌ای (Lattice) مدل HAWK شناسایی کرد. امنیت HAWK بر پایه سختی «مسئله ایزومورفیسم شبکه» (Lattice Isomorphism Problem) است. تحقیقات قبلی نشان می‌داد که یافتن چنین اتومورفیسمی اجازه حمله را می‌دهد، اما مشخص نبود که آیا چنین موردی در شبکه خاص HAWK وجود دارد یا خیر.

• پیامد فنی: این نقص امکان اجرای یک «حمله شمارشی» (Enumeration Attack) سریع‌تر را فراهم می‌کند. اگرچه این حمله هنوز در سطح نمایی (Exponential) است و نه چندجمله‌ای (Polynomial)، اما قدرت کلید را عملاً نصف می‌کند. برای مثال، در HAWK-256 که تصور می‌شد برای بازیابی کامل کلید به تلاشی در مرتبه $2^{64}$ نیاز است، مدل ثابت کرد که در مرتبه $2^{38}$ قابل شکستن است.

• تضاد و هزینه: برای حفظ سطح امنیت اصلی، اندازه کلیدهای HAWK باید دو برابر شود. با این حال، این کار بسیاری از مزایایی را که HAWK را به یک کاندیدای جذاب برای PQC تبدیل کرده بود، از بین می‌برد. این حمله طی ۶۰ ساعت کار نیمه‌خودگردان و با هزینه تقریبی ۱۰۰ هزار دلار اعتبار API توسعه یافت.

بر اساس مستندات آنتروپیک، مدل در یک چارچوب عامل‌محور (Agentic) و در قالب یک گردش‌وار چندعاملی عمل کرد. دو عامل (Agent) با هم همکاری کردند؛ جالب اینجاست که عامل اول ابتدا ایده‌ی کلیدی را غیرممکن دانست، اما عامل دوم راهی برای بهره‌برداری از آن یافت. اپراتور انسانی، که پیش‌زمینه علوم کامپیوتر نظری داشت اما متخصص رمزنگاری شبکه‌ای نبود، تنها نقش مدیریت پروژه و هدایت در انتخاب کتابخانه‌ها برای اعتبارسنجی را بر عهده داشت.

مدل با انجام یک بررسی گسترده در ادبیات پژوهشی، استدلال‌های ریاضی پیچیده و استفاده از ابزارهای محاسباتی مانند Python و Sage، در نهایت یک خط لوله اعتبارسنجی کامل (End-to-End) ساخت تا صحت حمله را به اپراتورهای انسانی ثابت کند.

شکستن نسخه کاهش‌یافته AES

فراتر از PQC، مدل به سراغ استاندارد رمزگذاری پیشرفته (AES) رفت؛ رمز متقارنی که در سال ۲۰۰۱ توسط NIST پذیرفته شد و یکی از موردبازرسی‌ترین الگوریتم‌های جهان است. مدل به طور خاص نسخه کاهش‌یافته ۷ دور از AES-128 را هدف قرار داد. اگرچه رمز کامل ۱۰ دور دارد، اما پژوهشگران نسخه‌های کاهش‌یافته را مطالعه می‌کنند تا بینش‌هایی درباره تکنیک‌های حمله به دست آورند و با بررسی زیر‌مسائل ساده‌تر، امنیت نسخه کامل را تخمین بزنند.

• مدل تهدید: این حمله تحت مدل «متن ساده انتخابی» (Chosen Plaintext) عمل می‌کند. فرض بر این است که مهاجم می‌تواند مکرراً درخواست رمزگذاری ورودی‌های دلخواه را با یک کلید ثابت و ناشناخته ارسال کند. کارهای قبلی که مدل بر پایه آن‌ها حرکت کرد، فرض می‌کردند مهاجم می‌تواند $2^{105}$ متن ساده انتخابی را درخواست کند. این حمله برای سیستم‌های عملیاتی کاملاً غیرعملی است اما هزینه حمله را تحت این مفروضات کمی می‌کند.

• مکانیزم: مدل یک الگوریتم اثرانگشت‌گذاری پیچیده به نام «پل موبیوس» (Möbius Bridge) توسعه داد. این روش تکاملی از حمله «ملاقات در میانه» (Meet-in-the-Middle) است که زمان را با فضای ذخیره‌سازی (استفاده از جداول جستجوی بزرگ برای محاسبات میانی) معاوضه می‌کند.

• نتیجه: پل موبیوس یک اثرانگشت ایجاد می‌کند که نسبت به یک حدس خاص تغییرناپذیر است؛ چیزی که پیش از این نیاز به شمارش ۲۵۶ مقدار مختلف داشت. این امر مستقیماً بار کاری را با ضریب ۲۵۶ کاهش می‌دهد. با وجود اینکه این تبدیل از نظر محاسباتی گران‌تر بود، Mythos تکنیک‌های بهینه‌سازی‌ای یافت که حمله را ۲۰۰ تا ۸۰۰ برابر سریع‌تر از بهترین حملات پیشین کرد.

• خودگردانی: این نتیجه تقریباً به طور کامل خودگردان به دست آمد. یک پژوهشگر ساختاری (Scaffold) ایجاد کرد که به Claude اجازه می‌داد فرضیات را مطرح کند و آزمایش‌هایی برای تایید یا رد آن‌ها اجرا نماید.

نکته خیره‌کننده این است که مدل در ابتدا در برابر این تکلیف مقاومت کرد و ادعا کرد بهبود تحلیل رمزنگاری AES «غیرممکن» است. او صراحتاً بیان کرد که «AES-128 در دورهای r5/r6 واقعاً سخت است» و «چیزی برای یافتن در مورد بررسی‌شده‌ترین رمز بلوکی جهان وجود ندارد». مدل تنها زمانی تغییر مسیر داد که پژوهشگر صریحاً از او خواست «به‌مثابه یک پژوهشگر تراز اول» عمل کند، به او گفت که به دنبال «میوه‌های پایین‌دراز» نیست و بر یافتن چیزی که «ارزش چاپ در مقالات» داشته باشد تأکید کرد.

طی سه روز، Claude چندین صد میلیون توکن خروجی تولید کرد. تا زمانی که حمله را پالایش کرد — که در مجموع به یک میلیارد توکن خروجی نیاز داشت — او به طور مستقل منطق تبدیل موبیوس را ابداع، اعتبارسنجی و گزارش کرده بود.

سایر یافته‌های رمزنگاری

آنتروپیک جستجوهای خود را به رمزهای دیگر گسترش داد و چندین حمله عملی، هرچند محدود، شناسایی کرد:

• الگوریتم LEA (Lightweight Encryption Algorithm): این الگوریتم برای محیط‌های کم‌توان و با منابع محدود طراحی شده و در استانداردهای بین‌المللی مانند ISO/IEC 29192-2:2019 ثبت شده است. در حالی که نسخه کامل ۲۴ دور همچنان مقاوم است، Mythos یک حمله عملی برای نسخه ۱۳ دور توسعه داد. این حمله می‌تواند کلید LEA-13 را در کمتر از $2^{30}$ متن ساده رمزگذاری‌شده و در کمتر از یک ساعت روی یک کامپیوتر دسکتاپ مدرن بازیابی کند. پژوهشگران اکنون در حال بررسی گسترش این حمله به ۱۴ دور هستند.
• Serpent-128: مدل یک حمله عملی بازیابی کامل کلید روی ۶ دور از این رمز ۳۲ دور شناسایی کرد. این دستاورد کارهای پیشین را که به بیش از $2^{70}$ جفت متن ساده و $2^{90}$ رمزگشایی نیاز داشت، بهبود بخشید.
• بهبودهای کلی: تیم بهبودهای محدودی (کمتر از ۱۰ برابر بهره‌وری) در حملات علیه رمز جریان Salsa20، تابع هش Poseidon و تابع هش SHA-1 پیدا کرد.

تلاش‌های مشترک و اعتبارسنجی

برای تسهیل پژوهش‌های آتی و ردیابی تکامل قابلیت‌های LLM، آنتروپیک با دانشگاه‌های ETH زوریخ، دانشگاه تل‌آویو و دانشگاه حیفا همکاری کرد تا بنچمارک CryptanalysisBench را منتشر کند. این بنچمارک مجموعه‌ای از رمزهای مختلف را بسته‌بندی می‌کند تا دیگران بتوانند توانایی‌های تحلیل رمزنگاری مدل‌های زبانی را ارزیابی کنند.

تیم در تمام مراحل از رویه‌های «افشای مسئولانه» (Responsible Disclosure) پیروی کرد. آن‌ها برای تایید اعتبار با دانشگاهیان مشورت کردند، نسخه‌های پیش‌نویس را با شرکای صنعتی و دولتی آمریکا به اشتراک گذاشتند و افشای نقص HAWK را در ژوئن با نویسندگان رمز و لیست پستی عمومی NIST هماهنگ کردند.

تحلیل: جابجایی گلوگاه

این پژوهش فرض بنیادین مبنی بر اینکه تحلیل رمزنگاری سطح بالا نیازمند دهه‌ها تخصص انسانی است را تغییر می‌دهد. ما وارد عصری می‌شویم که گلوگاه دیگر «کشف» آسیب‌پذیری نیست، بلکه «تأیید» انسانی آن است. آنتروپیک اشاره کرد که در حالی که مدل حمله AES را در یک هفته یافت، دو پژوهشگر انسانی نزدیک به یک ماه زمان نیاز داشتند تا اطمینان یابند ریاضیات پشت آن درست است.

برای صنعت امنیت سایبری، این به معنای شتاب گرفتن چرخه «بررسی متخاصم» (Adversarial Review) است. این رویکرد تدافعی یادآور تلاش‌های اخیر آنتروپیک برای مقاوم‌سازی مدل‌ها در برابر حملات ورودی است؛ چنان‌که در گزارش «تحدید باورهای امنیتی» به کاهش نرخ موفقیت حملات تزریقی اشاره شد. گزارش اشاره می‌کند که این اولین بار نیست که AI در ریاضیات پیشرفته می‌درخشد؛ اخیراً Gemini گوگل مسائل Erdős را حل کرد، GPT OpenAI به حدس فاصله واحد (Unit Distance Conjecture) پرداخت و Claude Fable 5 حدس ژاکوبین (Jacobian Conjecture) را حل کرد.

اگر هوش مصنوعی بتواند امنیت یک کاندیدای NIST را در ۶۰ ساعت نصف کند، صنعت یا باید ابزارهای طراحی مبتنی بر AI برای ساخت رمزهای «مقاوم در برابر AI» بسازد، یا بپذیرد که عمر هر استاندارد رمزنگاری به‌شدت کوتاه‌تر خواهد شد. بسیاری از رمزهای موجود ممکن است نقاط ضعف خفته‌ای داشته باشند که LLMها اکنون قادر به کشف آن‌ها هستند. گزارش به نمونه‌ای پیشین اشاره می‌کند که در آن SIKE (یکی دیگر از کاندیداهای NIST) در عرض یک ساعت روی یک لپ‌تاپ کاملاً شکسته شد.

گام بعدی شما

• معماری‌های امنیتی باید ورک‌شاپ دانشگاهی آتی که توسط آنتروپیک میزبانی می‌شود را دنبال کنند تا بفهمند گردش کارهای کشف خودگردان چگونه با فرآیندهای استاندارد افشای آسیب‌پذیری ادغام می‌شوند.
• زنجیره‌ی تفکر (Chain-of-Thought) کامل برای کشف پل موبیوس — شامل مراحلی که Claude چندین تبدیل را پیشنهاد داد و رد کرد تا در نهایت به تبدیل موبیوس رسید — در مقالات پژوهشی ضمیمه قابل بررسی است.

اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell و نقش آن‌ها در استدلال‌های سنگین ریاضی مراجعه کنید.