AI热榜 Mythos 帮助找到了一种新的中间相遇技术，该技术依赖于 莫比乌斯桥 ，一种用于中间相遇攻击的更复杂的指纹算法。
Green 说，使用它，Mythos 生成的代码能够将所需输入的数量减少到 2 89 。
Anthropic 表示，节省下来的时间可以将此类攻击所需的时间减少 200 至 800 倍。
产生如此多输入的能力使得攻击在实验室之外无法实现。
此外，实际加速情况未知，因为测试的弱化 AES 算法仅使用了 7 轮。
Green 表示，符合规范的 AES 使用 10、12 或 14 轮，具体取决于密钥大小。
Anthropic 小心翼翼地明确阐明了大部分警告。
然而，周一的博客文章继续指出，结果仍然有意义，并且最终可能从根本上扰乱密码分析或密码系统的对抗性测试的过程。
Anthropic 写道：“网络安全社区现在正在努力解决这样一个问题：语言模型能够发现如此多的错误，而标准的人类流程（如漏洞分类、验证和修复）却难以跟上。
” “我们预测，学术密码学研究很快也会出现同样的情况。
随着语言模型越来越多地自主产生新颖的研究成果，人类研究人员可能会在研究和验证这些结果的技术有效性、新颖性和实用性方面遇到瓶颈。
” Anthropic 的报告中没有提及其研究人员是否使用 Mythos 来攻击经过更多测试的密码系统，例如椭圆曲线密码学和 RSA。
针对这些系统的攻击改进将会更加令人印象深刻。
通过针对仍处于起步阶段的算法取得最令人印象深刻的结果，尚不清楚 Mythos 真正提供了多少优势。
我们无法知道使用传统密码分析技术的研究人员是否已经接近发现相同的攻击。
最终，这项研究的教训很简单。
人工智能辅助密码分析尚未经过测试，这些平台的提供商在夸大其优势方面拥有既得利益。
与此同时，越来越多的证据表明法学硕士可能在发现密码学弱点方面提供显着优势。
认为法学硕士有一天不会在保护和损害我们最重要资产的竞赛中发挥重要作用的结论是错误的。
🔗 原始来源
如果你要核对细节，可以再看原文： Ars Technica AI原文链接