【要約】Mythos uncovers crypto weaknesses that went unknown for years [Ars_Technica] | Summary by TechDistill
> Source: Ars_Technica
Execute Primary Source
// Problem
従来の暗号解読は、高度な数学的知識を持つ専門家による、極めて時間のかかる手作業に依存している。研究者が新しい攻撃手法を見出すには、膨大な文献調査と試行錯誤が必要となる。具体的には以下の課題がある。
- ・既存の数学的ツールを組み合わせ、未知の攻撃経路を見出すことが困難である。
- ・脆弱性の発見スピードに対し、人間の検証や修正プロセスがボトルネックとなる。
- ・暗号アルゴリズムの安全性評価に、多大な人的リソースと時間を要する。
// Approach
Anthropicは、AIエージェントが半自律的に暗号解読を行う「Mythos」というフレームワークを導入した。これは、単なるコード生成ではなく、数学的な推論と検証を繰り返す仕組みである。
- ・エージェントが文献調査を行い、最新の攻撃手法を理解する。
- ・複数のエージェントが独立して攻撃手法を考案し、互いに検証・合意する。
- ・検証パイプラインを構築し、発見した攻撃の正当性を自動で確認する。
- ・数学的推論と計算実験を組み合わせ、攻撃の有効性を実証する。
// Result
Mythosは、特定の暗号アルゴリズムに対して、攻撃の難易度を大幅に下げる成果を上げた。これにより、暗号解読のプロセスが劇的に加速する可能性が示された。
- ・HAWKに対し、鍵強度を半分に低減する未知の対称性発見手法を見出した。
- ・AESに対し、攻撃に必要な平文入力を2^105から289へと劇的に削減した。
- ・AESの攻撃時間を、従来の200倍から800倍高速化できる可能性がある。
- ・HAWKの競争力を低下させ、標準化プロセスに影響を与える結果となった。
Senior Engineer Insight
> AIによる脆弱性発見は、コードのバグ修正から「数学的基盤の破壊」へとフェーズが移行した。HAWKの事例が示す通り、既存ツールの「組み合わせ」による脆弱性発見は、AIが最も得意とする領域である。実務においては、暗号ライブラリの選定時に、AIによる攻撃耐性を考慮した評価基準が必要になる。また、攻撃側の自動化が進む以上、防御側もAIを用いた迅速な検証・パッチ適用サイクルを構築しなければ、セキュリティの維持は不可能となるだろう。