从代码审计到数学突破：AI能力的质变

2026年7月28日，Anthropic发布了一篇震动整个密码学界和AI界的研究报告——Claude Mythos Preview成功发现了两种重要密码学算法的数学缺陷。这不是AI在代码中找到实现错误（这类事情Claude早已能做到），而是AI第一次自主发现了算法本身的数学漏洞。这一突破标志着AI从「工具」向「研究者」的身份转变。

第一项成果是对NIST后量子密码标准化候选方案HAWK的攻击。HAWK是美国国家标准与技术研究院（NIST）从2022年开始征集的后量子数字签名方案之一，旨在抵御量子计算机对现有加密体系的威胁。Claude Mythos找到了一种此前未被发现的攻击方法——利用HAWK所依赖的格（lattice）中一个被称为「非平凡自同构」（nontrivial automorphism）的对称性结构，将HAWK的有效密钥长度缩减了一半。这意味着原本需要2^128次运算才能破解的签名方案，现在只需要2^64次运算。

多智能体协作：两个Agent的「顿悟时刻」

更令人瞩目的是发现过程本身。Anthropic的研究人员使用了一个类似Claude Code的多智能体框架，多个工作Agent在沙箱环境中协作，配备Python和Sage计算工具以及密码学文献访问权限。研究者本人虽然有理论计算机科学背景，但并非格密码学专家。

关键突破来自一个戏剧性的场景：两个Agent同时在调查一个想法。第一个Agent过早地认为这个方向不可行并放弃了，但第二个Agent找到了一种完全利用它的方法。两个Agent不断交换信息，最终达成共识——他们找到了有效的攻击方案。这种「协作顿悟」模式展现了AI系统中涌现行为的可能性：单个Agent无法完成的任务，通过Agent间的动态交互得以实现。

整个攻击发现过程耗时约60小时，API调用成本约10万美元。这个数字本身也值得玩味——人类密码学家可能需要数月甚至数年才能发现同样的漏洞，而AI在一周内就完成了。当然，这里的成本包括了大量的计算探索和失败尝试，但结果的效率依然令人印象深刻。

AES弱化版本攻击：向最强加密算法发起挑战

第二项成果涉及高级加密标准（AES）。AES是2001年被NIST采纳的对称加密算法，是当今互联网安全的基石——从HTTPS到VPN到磁盘加密，几乎所有安全通信都依赖AES。Claude Mythos对AES的一个弱化版本（7轮AES-128，而标准版本使用10轮）找到了改进攻击方法。

需要强调的是，这项攻击并未威胁到实际部署的AES。研究者明确表示：「我们的攻击针对的是AES的弱化版本，并不能破解完整的AES算法。」在密码学研究中，研究弱化版本是评估算法安全性的标准方法——如果连弱化版本都难以攻破，那么完整版本就更加安全。但Claude能在这一领域做出贡献，本身就说明AI已经具备了相当的数学推理能力。

安全悖论：AI既是盾牌也是利剑

这项研究揭示了AI安全领域最深刻的悖论：同一个AI系统既能发现漏洞来加固防御，也可能被恶意行为者利用来攻击系统。Anthropic显然意识到了这一点。他们在发布前遵循了负责任的披露流程，与HAWK方案的作者进行了协调披露，并向美国政府和行业合作伙伴提供了预先副本。

更值得关注的是Anthropic在报告中的一段话：「随着我们开发出越来越强大的密码分析结果，研究人员在AI发现具有即时现实影响的密码系统漏洞时应如何应对，值得认真考虑。」这句话暗示了一个令人不安的未来场景：如果AI发现了一个正在广泛使用的密码算法的漏洞，而攻击代码可以立即被编写出来，那么从发现到修补之间的时间窗口将成为国家安全的关键问题。

HN社区对这一研究的讨论也反映了这种复杂情绪。有评论者指出：「想想国家安全主管们的表情吧。」另一位评论者则更务实地指出：「他们改进了对7轮AES-128的最佳已知学术攻击……你不需要担心AES被攻破。但HAWK的攻击更有趣——他们成功将有效密钥长度减半。」

Codex Security开源：OpenAI的安全布局

同一天，OpenAI也发布了其Codex Security CLI的开源版本（Apache 2.0协议），获得320个GitHub Star。这是一个用于代码安全扫描、漏洞验证和修复的命令行工具和TypeScript SDK，可以扫描整个代码库、指定路径或Git diff中的变更，支持CI集成和扫描历史对比。

OpenAI Codex安全负责人Thibault Sottiaux表示，这一工具旨在将应用安全审查嵌入编码Agent的本地和CI工作流中。这实际上是AI安全领域的另一面——用AI来防御AI时代的安全威胁。当AI系统（如Anthropic的Claude Mythos）能够发现密码学漏洞时，用AI来扫描和修补代码漏洞就成了必要的对冲措施。

AI研究范式的转变

这项研究还与ETH Zurich、Tel Aviv University和University of Haifa的学术界合作，构建了CryptanalysisBench基准测试——一个打包了多种密码学算法的数据集，便于其他人评估LLM在密码分析领域的能力。这种「AI+学术界」的合作模式正在成为AI研究的新范式。

从更宏观的视角看，Claude Mythos的密码学突破代表了AI发展的一个关键转折点。此前，AI在数学领域的能力主要体现在定理证明（如AlphaProof）和数值计算上。而现在，AI开始在需要创造性洞察的数学研究中发挥作用——找到前人未曾注意到的对称性，构建全新的攻击路径。这不再是对已知模式的匹配和应用，而是真正的数学发现。

正如Anthropic在报告中所说：「这是密码学研究按预期运行的方式：压力测试算法以建立信任，并最终使系统更加安全。」AI正在成为这一过程中不可或缺的参与者。未来，我们可能需要重新定义「密码学研究者」这一角色——它可能不再只是人类专家的专属领域，而是人机协作的新前沿。