Resultados de criptoanálise da Anthropic avançam ataques com IA
Os dois resultados
A Anthropic publicou dois resultados de criptoanálise produzidos pelo Claude Mythos, seu modelo avançado ainda não lançado. O primeiro ataca o esquema de assinatura HAWK, uma proposta pós-quântica baseada no problema de Isomorfismo de Reticulado Modular (module-LIP). O segundo é um ataque melhorado contra AES de rodadas reduzidas.
HAWK: o resultado mais significativo
HAWK não é um algoritmo implantado nem padronizado - é uma proposta que estava em estágio avançado de avaliação para futura padronização. O ataque não "quebra" o HAWK em tempo polinomial: continua sendo exponencial, mas reduz aproximadamente pela metade os bits de segurança do esquema. Isso poderia ser corrigido dobrando o tamanho das chaves, mas como o HAWK existe justamente para ser mais eficiente que alternativas, o ataque torna difícil justificar sua existência.
O ponto mais preocupante, segundo Green, é que o ataque não inventa matemática nova. Ele simplesmente aplica de forma mais completa ferramentas já conhecidas na área - exatamente o tipo de tarefa em que IAs de ataque se destacam. O próprio Claude resumiu: "o que torna isso genuinamente interessante - e, francamente, um pouco embaraçoso para o campo - é que nenhum dos ingredientes é exótico."
AES: menos impressionante do que parece
O ataque contra AES de 7 rodadas (o AES completo usa 10, 12 ou 14) é uma melhoria modesta de fator constante sobre trabalho de 2013. Requer 2^89 operações de cifra e 2^105 encriptações de plaintexts escolhidos - nada remotamente prático. É progresso científico real, mas incremental.
Como a Anthropic conseguiu
O processo descrito no blog da Anthropic é surpreendentemente simples: prompts diretos pedindo resultados, sem uma equipe grande de especialistas ajustando o modelo. Os modelos agora conseguem entender resultados existentes de criptoanálise, sintetizar novos ataques e estendê-los sem intervenção humana detalhada.
O gargalo da verificabilidade
Green destaca que o verdadeiro problema agora é verificar se os resultados são reais. Modelos são melhores produzindo resultados que parecem reais mas são enganosos do que produzindo resultados genuínos. Para ataques "completos" como o do HAWK, a verificação é fácil (basta rodar o código). Para melhorias sutis como a do AES, provas formais em Lean ajudam, mas ainda exigem especialistas humanos para formular corretamente os teoremas.
Implicações
Para usuários de criptografia simétrica: boa notícia. Cifras simétricas são deliberadamente "sujas" e robustas - projetadas para serem fáceis de aplicar mas difíceis de desfazer. IAs ainda não demonstram a intuição verdadeiramente inovadora necessária para progresso real nessa área.
Para criptografia de chave pública: situação mais delicada. Existem poucos objetos matemáticos convenientemente estruturados (DLP, RSA, reticulados, códigos), e nunca houve seres humanos suficientes dedicados a analisá-los exaustivamente. Há terreno fértil para IAs.
A boa notícia contextual: estamos no meio de uma transição histórica para algoritmos pós-quânticos. Se há um momento ideal para uma nova capacidade massiva de criptoanálise surgir, é agora - os esquemas fracos serão eliminados antes de serem padronizados.
Green encerra com uma analogia: trabalhar com esses modelos é como nadar num lago onde o chão cai abruptamente. Num momento você está confortável com apoio sob os pés; de repente cruza uma linha e está nadando sozinho. A linha está se movendo para fora - lentamente, mas de forma perceptível.