Claude 参与密码分析：研究发现 HAWK 与弱化 AES 的数学缺陷

Anthropic 研究人员使用 Claude Mythos 进行密码分析实验，目标是寻找密码算法中的数学弱点。实验涉及两个对象：HAWK，以及一个弱化版本的 AES。

研究中发现了两项数学层面的缺陷，但研究者也明确表示：这些结果不会对当前计算机系统产生实际影响。

关键看点：模型需要被反复“鼓励”继续研究

这项实验有一个很有意思的细节：研究团队分享了部分提示词，里面甚至保留了拼写错误。提示词的核心并不是给出具体解法，而是不断推动模型不要过早放弃，例如：

模型往往会认为问题不可能解决，所以它们不会尝试，需要大量提示。

为什么不做 AES-128 r7？重点就是要找到比现有方法更好的东西。

不，目标是我们有一个像顶尖研究员一样高度智能的模型，我们想找到新的攻击方法。

不，我们不想换目标……我们需要找到值得发表的东西。

我们不是在找容易摘的果子，而是希望做真正的研究，找到确实困难的发现。

这反映出一个值得讨论的问题：在开放式科研任务中，大模型不只是需要能力，也需要被持续引导，避免过早判断“做不到”。

成本与人类介入方式

Claude Mythos Preview 总共运行了约 60 小时，估算 API 成本约为 10 万美元。

人类研究者的主要介入方式并不是直接给出答案，而是不断鼓励模型坚持目标、不要降低难度，并继续寻找“值得发表”的结果。

新评测：CryptanalysisBench

这项工作还产生了一个新的评测基准：CryptanalysisBench: Can LLMs do Cryptanalysis?

该评测用于考察大语言模型是否具备开展密码分析任务的能力。相关工作由 Anthropic 与 ETH Zurich、Tel Aviv University、University of Haifa 合作完成。

讨论价值

这项研究的意义不在于立即威胁现有系统安全，而在于展示了大模型在高难度数学与密码分析任务中的一种工作模式：

• 模型可能具备探索复杂问题的能力；
• 但在面对被认为很难的问题时，可能需要持续提示才能坚持尝试；
• 人类的角色更像是研究方向和意志层面的督导，而不一定是逐步提供技术路线；
• 高质量开放式科研任务的成本仍然很高。

对于 AI 辅助科研来说，这提供了一个有代表性的案例：模型并非简单回答问题，而是在长时间、多轮引导下参与探索未知结果。