Claude Mythos Preview của Anthropic phát hiện điểm yếu trong các thuật toán mã hóa
Anthropic đã công bố nghiên cứu mới cho thấy mô hình Claude Mythos Preview của họ có thể phát hiện các lỗ hổng trong các thuật toán mã hóa như HAWK và AES. Đồng thời, hợp tác với các tổ chức học thuật, Anthropic đã giới thiệu CryptanalysisBench, một bộ công cụ đánh giá (benchmark) được thiết kế để đo lường khả năng giải mã của các mô hình ngôn ngữ lớn (LLM). Cột mốc này làm nổi bật khả năng ngày càng tăng của các mô hình ngôn ngữ lớn (LLM) trong việc hỗ trợ nghiên cứu bảo mật nâng cao và phát hiện lỗ hổng, có khả năng thay đổi cách kiểm định các hệ thống mã hóa. Tuy nhiên, nó cũng nhấn mạnh rủi ro lưỡng dụng của AI, khi các khả năng này có thể bị lợi dụng để xâm nhập các hệ thống an toàn. Nghiên cứu bao gồm chi tiết kỹ thuật đầy đủ về các cuộc tấn công vào thuật toán HAWK và AES, cùng với chuỗi suy nghĩ (chain-of-thought) của mô hình đối với cuộc tấn công AES. CryptanalysisBench gồm 191 nhiệm vụ trải dài trên sáu nhóm nguyên mẫu mã hóa, bao gồm hàm băm, mã hóa khối và chữ ký số.
## KIẾN THỨC NỀN
Mã hóa (Cryptography) là việc bảo mật thông tin liên lạc và dữ liệu bằng cách sử dụng các thuật toán toán học như AES (Tiêu chuẩn mã hóa nâng cao) để ngăn chặn truy cập trái phép. Giải mã (Cryptanalysis) là việc nghiên cứu phân tích các hệ thống thông tin nhằm tìm ra các khía cạnh ẩn, chẳng hạn như điểm yếu hoặc khóa, để phá vỡ các giao thức mã hóa. Các bộ công cụ đánh giá như CryptanalysisBench là rất quan trọng để kiểm tra một cách hệ thống xem các mô hình AI có sở hữu khả năng suy luận chuyên biệt cần thiết cho các tác vụ toán học phức tạp này hay không.