Claude AI đột phá trong mật mã học: Tìm ra lỗ hổng HAWK-256 và tối ưu hóa tấn công AES

Anthropic vừa công bố một bước tiến đáng chú ý trong lĩnh vực nghiên cứu mật mã học với sự hỗ trợ của mô hình AI Claude Mythos Preview. Theo đó, AI này đã hỗ trợ tìm ra phương thức tấn công khôi phục khóa (key-recovery attack) đối với thuật toán HAWK-256 và tối ưu hóa tốc độ tấn công lên từ 200 đến 800 lần đối với AES-128 (phiên bản rút gọn 7 vòng).

Đột phá trên thuật toán HAWK-256

HAWK hiện là một trong những ứng viên sáng giá trong quy trình tiêu chuẩn hóa chữ ký số hậu lượng tử của NIST. Anthropic cho biết, Claude Mythos Preview đã phát hiện ra một tính đối xứng chưa từng được biết đến trong cấu trúc mạng lưới (lattice) của HAWK. Dựa trên phát hiện này, AI đã xây dựng một phương thức tấn công có khả năng khôi phục khóa thực tế trong khoảng 3 giờ 42 phút trên một máy chủ 96 nhân.

Cần lưu ý rằng, phương thức này hiện chỉ nhắm vào HAWK-256 – một tham số thử thách thay vì các cấp độ bảo mật chính thức (HAWK-512 hoặc HAWK-1024). Anthropic khẳng định các hệ thống thực tế hiện không bị ảnh hưởng và đây không phải là một cuộc tấn công đa thức (polynomial-time break) đối với toàn bộ mật mã mạng lưới.

Tối ưu hóa tấn công AES-128

Đối với AES-128, nghiên cứu tập trung vào phiên bản rút gọn 7 vòng (thay vì 10 vòng tiêu chuẩn). Bằng cách phát hiện ra một dấu vân tay bất biến mà Anthropic gọi là “Möbius Bridge”, Claude đã loại bỏ được bước đoán 256 chiều trong các cuộc tấn công kiểu meet-in-the-middle truyền thống. Kết quả là tốc độ tấn công được cải thiện đáng kể, dù vẫn đòi hỏi một lượng lớn văn bản gốc (chosen plaintexts) không khả thi trong môi trường thực tế.

Vai trò của AI trong nghiên cứu

Anthropic nhấn mạnh rằng Mythos Preview đã tự thực hiện phần lớn công việc nghiên cứu trong khoảng 60 giờ làm việc, với sự định hướng và kiểm chứng từ con người. Quá trình này tiêu tốn khoảng 100.000 USD chi phí API. Đáng chú ý, mô hình ban đầu từng từ chối thực hiện vì cho rằng việc cải thiện tấn công AES là “bất khả thi”, nhưng đã thay đổi kết quả sau khi nhận được các chỉ dẫn cụ thể từ nhà nghiên cứu.

Các phát hiện này được công bố ngay sau khi CryptanalysisBench – một bộ tiêu chuẩn đánh giá khả năng giải mã của AI – được ra mắt. Mặc dù các kết quả này mang tính học thuật cao và chưa đe dọa trực tiếp đến các hệ thống sản xuất, chúng cho thấy tiềm năng to lớn của AI trong việc hỗ trợ các nhà nghiên cứu mật mã học tìm kiếm các lỗ hổng tiềm ẩn trong các thuật toán phức tạp.

Nguồn tham khảo: The Hacker News