Claude AI đột phá trong mật mã học: Tìm ra lỗ hổng mới trên HAWK và tăng tốc tấn công AES

Anthropic vừa công bố một cột mốc đáng chú ý trong lĩnh vực nghiên cứu mật mã học khi mô hình Claude Mythos Preview của họ đã tìm ra phương thức tấn công khôi phục khóa (key-recovery attack) đối với HAWK-256, đồng thời tăng tốc độ tấn công vào thuật toán AES-128 (phiên bản 7 vòng) lên gấp 200 đến 800 lần.

Đột phá trên thuật toán HAWK

HAWK hiện là một trong những ứng viên sáng giá trong quy trình tiêu chuẩn hóa chữ ký số hậu lượng tử của NIST. Nghiên cứu của Anthropic tập trung vào việc khai thác một tính chất đối xứng (symmetry) chưa từng được biết đến trong cấu trúc lattice của HAWK. Kết quả là một cuộc tấn công end-to-end có thể thực hiện trong khoảng 3 giờ 42 phút trên một server 96 nhân.

Tuy nhiên, Anthropic khẳng định các kết quả này không gây rủi ro cho các hệ thống thực tế. Các cuộc tấn công chỉ nhắm vào tham số HAWK-256 (vốn được dùng làm mục tiêu thử nghiệm) chứ không ảnh hưởng đến các tiêu chuẩn bảo mật cao hơn như HAWK-512 hay HAWK-1024. Đây không phải là một cuộc tấn công polynomial-time và không làm sụp đổ hoàn toàn tính bảo mật của mật mã lattice.

Tối ưu hóa tấn công AES-128

Đối với AES-128, nghiên cứu nhắm vào phiên bản đã giảm xuống còn 7 vòng (so với 10 vòng tiêu chuẩn). Bằng cách sử dụng một kỹ thuật mà Anthropic gọi là “Möbius Bridge”, mô hình AI đã loại bỏ được bước đoán 256-way trong các cuộc tấn công meet-in-the-middle trước đây. Dù vậy, phương pháp này vẫn yêu cầu một lượng lớn các cặp plaintext-ciphertext được chọn, khiến nó không khả thi trong môi trường thực tế.

Vai trò của AI trong nghiên cứu

Đáng chú ý, Anthropic cho biết Mythos Preview đã tự thực hiện phần lớn công việc nghiên cứu, trong khi con người đóng vai trò định hướng dự án, cung cấp tài nguyên tính toán và xác thực kết quả. Quá trình này tiêu tốn khoảng 100.000 USD chi phí API và hàng trăm giờ làm việc của các chuyên gia để kiểm chứng tính chính xác của phương pháp.

Sự kiện này diễn ra ngay sau khi bộ công cụ CryptanalysisBench được ra mắt, cho thấy các mô hình ngôn ngữ lớn (LLM) đang ngày càng thể hiện khả năng giải quyết các bài toán mật mã học phức tạp. Dù các kết quả hiện tại vẫn mang tính lý thuyết và chưa đe dọa trực tiếp đến các hệ thống sản xuất, chúng đánh dấu một bước tiến mới trong việc ứng dụng AI để phân tích và kiểm thử các thuật toán bảo mật hiện đại.

Nguồn tham khảo: The Hacker News