当量子计算的阴影笼罩传统密码学，一场关于“后量子安全”的竞赛早已在暗处激烈展开。而在2025年7月，这场竞赛迎来了一位意想不到的参与者——AI。Anthropic公司宣布，其代号为“Claude Mythos Preview”的大语言模型，在密码学领域取得了令人震惊的成果：仅用60小时便发现了NIST后量子签名候选算法HAWK的致命缺陷，导致该算法次日被开发者从标准化进程中撤回。这一事件不仅刷新了人们对AI科研能力的认知，更将科技前沿的探索推向了全新的维度。
一击致命：HAWK算法为何被AI“秒杀”？
HAWK是为抵御未来量子计算机攻击而设计的数字签名方案，它基于格密码结构，此前已通过NIST（美国国家标准与技术研究院）的两轮严格评审，并于2026年5月进入第三轮候选名单。然而，在Claude Mythos Preview的“审视”下，这个看似坚固的算法暴露了一个此前从未被发现的对称性缺陷——非平凡自同构。
Anthropic的研究团队为Claude提供了大致的方向指引后，模型便开始了半自主的探索。在约60小时的持续计算中，Claude将针对HAWK的最佳已知攻击进行了实质性改进。以最小的HAWK-256参数集为例，完整密钥恢复攻击的预期计算成本从2⁶⁴骤降至2³⁸——虽然仍是指数级复杂度，但等效密钥强度已被腰斩。更致命的是，这一攻击直接暴露了HAWK核心设计中的结构性弱点。
尽管对于更大的参数集（HAWK-512和HAWK-1024）暂无实际威胁，但“密钥强度减半”意味着若要维持安全级别，必须将密钥长度加倍，而这将彻底抵消HAWK作为紧凑型后量子签名方案的主要优势。在Anthropic将研究结果发布至NIST公共论坛后，NIST密码学家Daniel Apon在一小时内确认了攻击的有效性。次日，HAWK的开发者主动宣布撤回该算法。
这一事件让我们看到，最新科技的力量正在以令人眩晕的速度渗透到传统高壁垒的科研领域。AI不仅能理解复杂的数学结构，还能在人类专家提供的框架下，发现人类专家几十年来未曾察觉的漏洞。这或许预示着后量子密码学竞赛中，AI将成为不可忽视的“第三方裁判”。
值得一提的是，AI在密码学领域的突破并非孤立事件。如果你想了解AI如何辅助日常创意工作，不妨试试AI画图工具，体验智能生成图像的乐趣。
Möbius Bridge：一根“莫比乌斯桥”如何让AES攻击提速800倍？
第二项研究成果同样令人震撼。Claude将目标对准了AES-128加密算法的简化版本——仅执行7轮数学变换的研究版本（标准AES-128执行10轮）。在几乎完全自主的情况下，Claude开发出一种名为“Möbius Bridge”的指纹技术。
这项技术的核心在于：它移除了此前攻击中一个需要枚举256种可能值的步骤，并将其与其他优化方法结合。最终，攻击速度比此前最佳方案提升了200至800倍。虽然该攻击基于选择明文威胁模型，仍需约2¹⁰⁵个选择明文，在实际场景中尚不可行，但这一速度提升本身就具有里程碑意义——它意味着AI在密码分析领域找到了人类未曾想到的捷径。
Anthropic强调，此项研究成果不影响任何现有生产系统，因为攻击针对的是简化版AES，而非完整的10轮AES-128标准。但“Möbius Bridge”这个名字暗示了一种拓扑学思维方式：莫比乌斯环只有一个面，而Claude似乎通过某种“扭结”将复杂的枚举空间简化成了连续路径。这种类比背后，是AI对数学结构深层次连接的理解。
从另一个角度看，这一成果也证明了AI在密码学攻击探索中的巨大潜力。如果你对AI生成艺术感兴趣，文生图技术同样能展现AI的创造性——从文字到图像，从密码到艺术，都是智能的延伸。
十万美元与十亿词元：一次昂贵但值得的“科研实验”
Anthropic罕见地披露了这次研究的成本细节。针对HAWK的攻击耗费了约10万美元的API调用成本（按当时汇率约合67.7万元人民币）；而AES攻击的发现过程中，模型输出了约10亿个词元，后续研究人员的验证工作则耗时数百小时。
更令人津津乐道的是发现过程中的“戏剧性”一幕：在AES攻击的早期阶段，Claude最初一直拒绝尝试，认为改进AES的密码分析是“不可能的任务”。直到研究人员多次引导、提供背景信息后，它才放下“偏见”开始探索，并最终取得了突破。这一细节让人联想到人类科学家面对挑战时的犹豫与坚持——AI似乎也在学习“科学精神”。
此外，Anthropic还透露Claude Mythos Preview在其他密码算法上已取得初步成果，包括对13轮LEA轻量级加密算法的实际密钥恢复攻击（可在现代台式机上于一小时内完成），以及对Serpent-128、Salsa20流密码、Poseidon哈希函数和SHA-1哈希函数的改进攻击。这些成果表明，AI的密码学能力并非偶然，而是具有可复现的潜力。
为了便于学界持续研究大语言模型的密码分析能力，Anthropic与苏黎世联邦理工学院、特拉维夫大学及海法大学合作推出了CryptanalysisBench基准测试集。这相当于为AI密码学领域设立了一个“奥运赛场”，让不同模型能够在相同的测试条件下比拼破译能力。
这些进展离不开底层算力的支撑，而大模型训练的优化技术也在不断迭代。对于普通用户而言，即使不研究密码学，也可以借助AI工具导航找到适合自己的效率工具。
AI Agent与密码学：科研范式正在被改写
Claude Mythos Preview的这次突破，实际上是一次典型的AI Agent应用案例。与传统的被动问答不同，模型在人类给出方向后，能够自主制定计划、执行计算、迭代优化，最终输出结果。这种“半自主研究”模式，正在悄然改变科研的流程和效率。
在密码学领域，传统研究依赖人类专家对数学结构的直觉，往往需要数月甚至数年才能发现一个漏洞。而AI Agent可以在几小时内遍历海量数学结构，标记出异常点，再从人类专家那里获得反馈进行下一轮搜索。这种“人机循环”正在将科技前沿的探索速度提升一个数量级。
更深层的影响在于：AI能够发现人类思维盲区中的对称性。HAWK算法中的非平凡自同构，就是一个典型的“人类没看到”的漏洞。人类数学家往往倾向于在已有框架内思考，而AI则不受任何“学科偏见”约束，可以自由探索所有可能的数学关系。这种“无预设”的思考方式，恰恰是密码学中最需要的。
当然，AI也并非万能。它对计算资源的消耗巨大，且需要人类提供正确的初始方向。但正如这次实验所示，当人类与AI形成良好协作时，产生的化学效应远超两者单独工作的总和。
对于企业而言，如果希望将AI Agent技术应用于自身业务，不妨先了解AI Agent技术的最新进展，并探索AI工具箱中的各类解决方案。
安全与风险：AI的“双面刃”效应
每一次技术突破都伴随着新的担忧。Claude成功破解后量子签名算法，一方面展示了AI在防御性安全测试中的价值——在算法被大规模部署前发现漏洞，避免灾难性后果；另一方面，它也引发了警醒：如果同样的能力被恶意利用，攻击者可能比我们想象的更快找到系统漏洞。
Anthropic在声明中特别强调，两项研究成果均不影响任何现有生产系统。HAWK尚未部署，而AES攻击针对的是简化研究版本。但谁也无法保证，未来AI不会发现针对完整版AES-128或已经商用的后量子算法的实际攻击。
这种“攻防竞赛”的加速，对密码学界提出了新的要求：算法设计者必须将“AI可攻击性”纳入考量，甚至需要开发专门针对AI攻击的防御策略。同时，监管机构也需要更新标准，评估算法对AI的鲁棒性。
从更广阔的视角看，这一事件也提醒我们：科技产品的研发必须包含更多“红队测试”环节，而AI本身就是最强大的红队成员。在互联网安全领域，利用抠图工具处理图片时，背后的加密算法可能明天就会被AI找到弱点——这种紧迫感促使整个行业必须加速进化。
未来已来：AI科研的下一个突破口
学界的反应非常迅速。NIST在确认攻击有效性后，已经开始重新审视后量子签名算法的候选名单。而Anthropic与多所高校合作推出的CryptanalysisBench基准测试，将吸引更多研究团队探索AI在密码学中的潜力。
可以预见，未来几年内，AI将成为密码学家的标准工具之一。就像今天的计算机辅助设计一样，AI辅助密码分析将变得普及。甚至可能出现“AI密码学家”这样的新职业——人类负责提出假设和方向，AI负责暴力计算和模式发现。
对于普通用户来说，这些变化或许还显得遥远，但它的影响迟早会渗透到日常生活中。无论是网上银行、即时通讯加密，还是区块链签名，所有依赖密码学的系统都将因AI的介入而变得更加安全——或者更加脆弱。
在科技前沿的浪潮中，我们既是见证者，也是参与者。如果你对AI如何改变创作感兴趣，不妨试试古诗词生成，感受AI在文学领域的创造力；如果你需要个性化表达，艺术签名工具或许能给你惊喜。
总而言之，Claude Mythos Preview的这次突破，不仅是一次密码学胜利，更是一次关于“AI如何重塑人类知识边界”的宣言。当我们还在讨论AI能否替代人类时，AI已经悄悄替我们发现了那些“我们以为自己知道、其实从未真正理解”的东西。