Claude Mythos, Anthropic-ന്റെ പുതിയ AI റിസർച്ച് പ്രിവ്യൂ, ഒറ്റത്തവണത്തെ പരിശോധനയിൽ തന്നെ രണ്ട് ക്രിപ്റ്റോഗ്രാഫിക് നിർമ്മിതികളിലെ (cryptographic constructions) നിർണ്ണായകമായ പോരായ്മകൾ കണ്ടെത്തി. HAWK-256 സിഗ്നേച്ചർ സ്കീമിൽ, സൈദ്ധാന്തിക സുരക്ഷാ നിലവാരത്തെ 2⁶⁴-ൽ നിന്ന് 2³⁸-ലേക്ക് കുറയ്ക്കുന്ന ഒരു ലാറ്റിസ് സിമ്മട്രി (lattice symmetry) ഈ മോഡൽ തിരിച്ചറിഞ്ഞു. കൂടാതെ, AES-128-ന്റെ 7-റൗണ്ട് വേരിയന്റിൽ, ആക്രമണങ്ങളുടെ വേഗത ഏകദേശം 200-800 മടങ്ങ് വർദ്ധിപ്പിക്കുന്ന ഒരു “Mobius Bridge” സാങ്കേതികവിദ്യ ഇത് പ്രയോഗിച്ചു.

ഈ കണ്ടെത്തലുകൾ പ്രധാനമാകുന്നത് എന്തുകൊണ്ട്

ഈ രണ്ട് സൈഫറുകളും സുരക്ഷാ സ്പെക്ട്രത്തിന്റെ വിപരീത छोरകളിലാണ് നിൽക്കുന്നത്. ഭാവിയിലെ ക്വാണ്ടം കമ്പ്യൂട്ടറുകളിൽ നിന്ന് ആശയവിനിമയങ്ങളെ സംരക്ഷിക്കാൻ കഴിയുന്ന ഒരു പോസ്റ്റ്-ക്വാണ്ടം സിഗ്നേച്ചർ അൽഗോരിതമായിട്ടാണ് HAWK-256 വികസിപ്പിക്കുന്നത്. നേരെമറിച്ച്, ബാങ്കിംഗ് മുതൽ ക്ലൗഡ് സ്റ്റോറേജ് വരെയുള്ള ഇന്നത്തെ ഇന്റർനെറ്റ് ട്രാഫിക്കിന്റെ ഭൂരിഭാഗവും എൻക്രിപ്റ്റ് ചെയ്യുന്നത് AES-128 ആണ്.

ഈ കണ്ടെത്തലിലേക്കുള്ള വഴി

മനുഷ്യ ഗവേഷകർ രണ്ട് വർഷത്തോളം HAWK പരിശോധിച്ചെങ്കിലും ഒരു പോരായ്മയും റിപ്പോർട്ട് ചെയ്തില്ല. അൽഗോരിതത്തിന്റെ ലാറ്റിസ് അധിഷ്ഠിത ഗണിതശാസ്ത്രത്തിലാണ് (lattice-based math) അവർ ശ്രദ്ധ കേന്ദ്രീകരിച്ചത്, ഇത് വിശദമായി പരിശോധിക്കാൻ വളരെ പ്രയാസമുള്ള ഒന്നാണ്. എന്നാൽ മനുഷ്യർക്ക് ശ്രദ്ധിക്കാതെ പോയ ഒരു ഗണിതശാസ്ത്ര സമമിതി (mathematical symmetry) Claude Mythos ലാറ്റിസ് ഘടനയിൽ കണ്ടെത്തി. ഈ സമമിതി ഒരു കീ-റിക്കവറി ആക്രമണത്തിന് (key-recovery attack) വഴിതെളിക്കുന്നു, ഇത് ഒരു സിഗ്നേച്ചർ വ്യാജമായി നിർമ്മിക്കാൻ ആവശ്യമായ പരിശ്രമത്തെ ഏകദേശം 2⁶⁴ ഓപ്പറേഷനുകളിൽ നിന്ന് 2³⁸-ലേക്ക് കുറയ്ക്കുന്നു—ഇത് ഇപ്പോഴും നിലവിലുള്ള ഹാർഡ്‌വെയറുകൾക്ക് അസാധ്യമാണെങ്കിലും, സൈദ്ധാന്തികമായി വലിയൊരു തകർച്ചയാണ്.

AES-128 ഫലം കൂടുതൽ പരിമിതമാണ്. അതിന്റെ ആന്തരിക ഘടന പഠിക്കുന്നതിനായി ഗവേഷകർ പതിവായി AES-നെ കുറഞ്ഞ റൗണ്ടുകളിലേക്ക് ചുരുക്കാറുണ്ട്; 7-റൗണ്ട് വേരിയന്റ് ഒരു സാധാരണ ടെസ്റ്റ് ബെഡ് ആണ്. റൗണ്ടുകൾക്കിടയിലുള്ള ബീജഗണിത ഗുണങ്ങളെ (algebraic properties) ബന്ധിപ്പിക്കുന്ന ഒരു പുതിയ “Mobius Bridge” രീതി Claude Mythos അവതരിപ്പിച്ചു, ഇത് അതേ കുറഞ്ഞ സൈഫറിന്മേൽ നിലവിലുള്ള ഏറ്റവും മികച്ച ആക്രമണങ്ങളെക്കാൾ 200-800 മടങ്ങ് വേഗത വർദ്ധിപ്പിക്കുന്നു. AI, AES-ന്റെ പൂർണ്ണ പതിപ്പിനെ തകർത്തിട്ടില്ല.

ഈ രണ്ട് മുന്നേറ്റങ്ങൾക്കും API ഉപയോഗത്തിനായി പ്രോജക്റ്റിന് ലക്ഷക്കണക്കിന് രൂപ ചിലവ് വന്നു. കൂടാതെ, AI നൽകിയ സൂചനകൾ പരിശോധിക്കാൻ മനുഷ്യ വിശകലന വിദഗ്ധർ നൂറുകണക്കിന് മണിക്കൂറുകൾ ചെലവഴിച്ചു, പ്രത്യേകിച്ച് AES കേസിൽ, ആക്രമണം വീണ്ടും നിർമ്മിക്കേണ്ടതും അതിന്റെ വേഗത അളക്കേണ്ടതും ആവശ്യമായിരുന്നു.

ആർക്കാണ് നേട്ടം, ആർക്കാണ് ആശങ്ക?

  • ഗവേഷകർക്ക് പുതിയൊരു വിശകലന ഉപകരണം ലഭിക്കുന്നു. AI പാറ്റേണുകൾ നിർദ്ദേശിക്കുന്നു, ഇത് വിദഗ്ധർക്ക് തെളിവുകൾ കണ്ടെത്തുന്നതിൽ ശ്രദ്ധ കേന്ദ്രീകരിക്കാനും കണ്ടെത്തലുകളുടെ വേഗത വർദ്ധിപ്പിക്കാനും സഹായിക്കുന്നു.
  • സ്റ്റാൻഡേർഡ് കമ്മറ്റികൾക്ക് നേരത്തെയുള്ള മുന്നറിയിപ്പ് ലഭിക്കുന്നു. HAWK ഇപ്പോഴും മൂല്യനിർണ്ണയ ഘട്ടത്തിലാണെങ്കിലും, AES ആക്രമണം അതിന്റെ ഒരു ദുർബലമായ പതിപ്പിനെയാണ് ലക്ഷ്യം വെക്കുന്നതെങ്കിലും, അൽഗോരിതങ്ങൾ എത്രത്തോളം ദുർബലമാകാം എന്ന് ഈ കണ്ടെത്തലുകൾ കാണിച്ചുതരുന്നു.
  • വെണ്ടർമാർക്കും ഉപയോക്താക്കൾക്കും നിലവിൽ ആശ്വാസപ്പെടാം. ഈ സുരക്ഷാ വീഴ്ചകളൊന്നും നിലവിൽ ഉപയോഗത്തിലുള്ള സംവിധാനങ്ങളെ ബാധിക്കുന്നില്ല; HAWK ഇതുവരെ നടപ്പിലാക്കിയിട്ടില്ല, AES ആക്രമണം ഗവേഷണ ആവശ്യങ്ങൾക്കായി മാത്രം ഉപയോഗിക്കുന്ന വേരിയന്റിനെയാണ് ബാധിക്കുന്നത്.

മറഞ്ഞിരിക്കുന്ന ചിലവുകൾ

ലാറ്റിസ് ഘടനകളും AES റൗണ്ട് ട്രാൻസ്ഫോർമേഷനുകളും പരിശോധിക്കാൻ ആവശ്യമായ രീതിയിൽ Claude Mythos പ്രവർത്തിപ്പിക്കാൻ വലിയ തോതിലുള്ള കമ്പ്യൂട്ടിംഗ് ചിലവ് ആവശ്യമായി വന്നു—ഓരോ കണ്ടെത്തലിനും ലക്ഷക്കണക്കിന് രൂപ. ഉയർന്ന സ്വാധീനമുള്ള ഗവേഷണങ്ങൾക്ക് ഇത് ന്യായമാണെങ്കിലും, വലിയ തോതിലുള്ള AI അധിഷ്ഠിത ക്രിപ്റ്റോ അനാലിസിസിന്റെ സാമ്പത്തിക വശങ്ങളെക്കുറിച്ച് ഇത് ചോദ്യങ്ങൾ ഉയർത്തുന്നു.

മനുഷ്യന്റെ പരിശോധന തന്നെയാണ് ഇപ്പോഴും പ്രധാന തടസ്സം.

മറിച്ചൊരു കാഴ്ചപ്പാട്: പരിഭ്രാന്തിയുടെ ആവശ്യമില്ല

ഈ ഫലങ്ങൾ നിലവിൽ ഉപയോഗത്തിലുള്ള ഒരു സംവിധാനത്തെയും ബാധിക്കാത്തതിനാൽ അവയെ അമിതമായി ആഘോഷിക്കുന്നുണ്ടെന്ന് വിമർശകർ വാദിക്കുന്നു. ഒരു യഥാർത്ഥ സിസ്റ്റത്തിനെതിരെയുള്ള കൃത്യമായ ആക്രമണം ഉണ്ടാകുന്നത് വരെ, ഇതിന്റെ ഭീഷണി സൈദ്ധാന്തികമായി മാത്രമേ നിലനിൽക്കുന്നുള്ളൂ.

ഇനി ശ്രദ്ധിക്കേണ്ട കാര്യങ്ങൾ

  • മറ്റ് പോസ്റ്റ്-ക്വാണ്ടം ഉദ്യോഗാർത്ഥികളുടെ കൂടുതൽ AI ഓഡിറ്റുകൾ.
  • AES-128 ഗവേഷണ രീതികളുടെ പുനർമൂല്യനിർണ്ണയം.

ചുരുക്കത്തിൽ: മനുഷ്യർക്ക് കാണാൻ കഴിയാത്ത ക്രിപ്റ്റോഗ്രാഫിക് പോരായ്മകൾ കണ്ടെത്താൻ AI-ക്ക് കഴിയും, എന്നാൽ ഒരു സൂചനയെ സ്ഥിരീകരിച്ച ഒരു പിഴവായി മാറ്റാൻ ഇപ്പോഴും പരിചയസമ്പന്നരായ വിശകലന വിദഗ്ധർ ആവശ്യമാണ്. Claude Mythos-ന്റെ ഈ രണ്ട് കണ്ടെത്തലുകളും മെഷീൻ അധിഷ്ഠിത സുരക്ഷാ ഗവേഷണങ്ങളുടെ സാധ്യതകളെയും പരിമിതികളെയും ഒരുപോലെ അടിവരയിടുന്നു.