大语言模型难以攻破对称加密算法

近日，Anthropic公司宣布利用其大语言模型Claude Mythos发现了新的密码分析攻击，这一成果引发了业界对AI在密码学领域应用的广泛讨论。然而，深入分析后可以发现，这些攻击虽然具有学术价值，但远未达到威胁现有加密体系的程度，大语言模型在可预见的未来仍难以攻破对称加密算法。

Anthropic的突破性工作主要聚焦于两个方向：一是对HAWK后量子签名方案的关键恢复攻击，二是对AES-128的改进型攻击。在HAWK攻击中，除了玩具版本HAWK-256（其64位安全性实际上可被破解），新攻击并不具备实际可行性。但这一结果仍具有意义，因为它将HAWK-512的预估安全级别从128位目标降低至至多108位，推测最低可能降至81位。这一发现对NIST后量子密码标准化项目中的候选方案提出了新的挑战。

在AES-128方面，Anthropic提出了针对7轮AES-128的改进型关键恢复攻击，而完整版AES-128共有10轮。该攻击完全不构成对AES的威胁，但鉴于针对AES的新密码分析结果极为罕见，这一发现依然值得关注。更为重要的是，Mythos未能发现更强的攻击，更不用说针对完整轮数AES的攻击了，这从反面印证了AES的稳健性。

Anthropic在AES攻击论文中表示：“我们认为进一步探索LLM辅助密码学研究的方向很有趣——特别是在攻击在计算上难以实现、需要语言模型通过多种方法组合来证明其正确性的情况下。我们认为特别重要的一个方向是形式化密码学界使用的攻击技术。”

这一观点得到了密码学专家的认同，尤其是关于形式化攻击技术的表述。当前对称密码分析领域缺乏统一的描述框架和抽象层次，许多论文在本质上做着相同工作，却使用临时性的形式主义和自定义符号术语，这阻碍了知识的有效传播和比较。

除了攻击发现，Anthropic还协助创建了CryptanalysisBench，这是一个面向大语言模型的密码分析基准测试，涵盖AES、ChaCha的完整及缩减轮次版本，以及提交至NIST竞赛（如BLAKE）的算法，包括后量子方案。这一基准将为评估LLM在密码分析领域的能力提供标准化平台。

对于不熟悉密码分析的读者，可能会担心LLM是否能够破解当前使用的AES、ChaCha、SHA-3等对称算法。有朋友曾问：“你不担心Mythos能破解BLAKE3吗？”答案是否定的。更广泛地说，业界普遍认为LLM不会破解任何已建立的密码方案，也不会推翻“过度加密”猜想。

Matthew Green在一篇精彩的文章中指出，对称密码（包括分组密码、流密码、哈希函数和MAC）虽然“非常混乱”（缺乏统一理论），但“非常稳健”（经验上如此）。他比喻道，这就像一位农夫拖着拖拉机穿越田野，虽然路径杂乱，但最终总能到达目的地。对称加密算法的安全性建立在数十年的密码分析和实践检验之上，其设计往往包含了多重冗余安全机制，使得即使发现某些理论弱点，也难以转化为实际攻击。

LLM在密码学中的真正价值可能不在于“破解”，而在于辅助分析。例如，LLM可以用于发现密码分析攻击复杂度估算中的错误，以及安全证明中的漏洞。今年早些时候，作者曾要求LLM查找EUROCRYPT 2026论文安全证明中的错误，结果发现大多数证明都存在瑕疵（尽管结果本身可能正确）。这表明LLM在形式验证和错误检测方面具有巨大潜力。

未来，随着CryptanalysisBench等基准的完善，LLM有望在密码学研究中扮演更重要的角色，帮助研究人员形式化攻击技术、统一描述框架，并加速新算法的安全性评估。然而，对于现有对称加密算法，LLM的威胁在可预见的未来仍将是理论性的，而非实际性的。