KeyFrame內部研究專用

JP Aumasson on Quantum Risk, AI Attacks and Too Much Crypto

Zero Knowledge57 min英文
觀看原始影片

三句話摘要

密碼學在量子電腦與 AI 雙重衝擊下的安全評估與未來發展。 AI 已成為密碼分析的實質工具,正迫使設計者從過度保守轉向實證驅動、動態調整安全邊界,但對稱密碼的數學防禦機制對 LLM 而言依然堅不可摧。 量子風險經過評估修正,但仍非迫在眉睫

重點整理

  1. 量子風險經過評估修正,但仍非迫在眉睫

  2. JP 兩年前宣稱終身不會見到量子電腦破 RSA-2048,Google 2024 年公告後調整預估從 90% 確定性降至 75%。他指出 Google 的進展是漸進式改良(縮小電路規模),實際可執行的量子電路仍遠未達破密臨界,風險評估應基於機率而非媒體渲染。

  3. 對稱密碼因數學結構被消除而天然免疫 AI

  4. Blake-3、AES、SHA-3 等對稱原語透過組合 XOR(GF2 加法)與大數字加法、位元移位等操作,完全打破任何可被 AI 開採的數學結構。由於對稱密碼本質上是「無結構隨機」問題,LLM 無法找到切入點,除非 P=NP。

  5. AI 已實現對非對稱密碼的真實攻擊,改變競賽時間軸

  6. Anthropic 找到 HAAWK 候選方案漏洞促其撤出、RSA 挑戰賽被破解、中國 NGCC 競賽 14 份提交遭 AI 破解。這不是概念驗證,而是硬體最佳化(GPU 平行化)與演算法改進結合的實質進展,破 RSA-1024 成本已降至可行範圍。

  7. 密碼設計者的過度保守正被 AI 加速所改變

  8. 傳統密碼學家傾向高安全邊界(SHA-3 用 24 輪而最好攻擊僅 3-5 輪、Blake-3 設計稀少),JP 2019 年《Too Much Crypto》一文指出浪費。AI 加速攻擊驗證流程,使設計者敢於採用更激進參數,縮短從設計到定案的數年週期至數月。

實用技巧與重點

  • 量子電腦
  • JP 個人量子威脅評估:從 90% 確定性→75%(Google 公告後)
  • 可執行最大量子電路規模:遠小於破 RSA 臨界值
  • 比喻:區塊鏈「未來 15 年不變」,量子電腦「永遠距離 5 年」自 Feynman 1980 年代迄今
  • AI 攻擊成果
  • RSA-260(862 位):被 Cognition AI 公司員工破解,使用 GNFS 與 GPU 基礎設施
  • RSA-896:Steve Weiss 用 Anthropic GPU 計時破解
  • RSA-1024 估計破解成本:約 1000 萬美元
  • HAAWK 密碼方案:遭 Anthropic AI 發現漏洞,被迫從 NIST PQC 標準撤出
  • 中國 NGCC 競賽
  • 提交總數:50-60 份
  • Markoos Arenon 用 AI 破解數量:14 份
  • 網站 ngcc.dev 報告統計:142 項有效發現、81 份報告、65 項訊息類、49 項設計瑕疵
  • 密碼函數安全邊界
  • SHA-3:使用 24 輪,最強攻擊達 3-5 輪(浪費 75% CPU 週期)
  • Blake-3:設計圈數遠少於 SHA-3
  • Poseidon(ZK 友善雜湊):發現 CICO(Constrain-Input-Constrain-Output)攻擊,但對使用系統無實質威脅
  • AI 效率提升
  • 傳統密碼分析:需數週至數年人力
  • AI 輔助(GPT-4 with Daybreak Blue):10 分鐘破解一份提交、幾小時批量分析 10+ 提交
  • 200 頁論文密碼漏洞:AI 發現後 JP 手工驗證數學證實無誤

結論

AI 已成為密碼分析的實質工具,正迫使設計者從過度保守轉向實證驅動、動態調整安全邊界,但對稱密碼的數學防禦機制對 LLM 而言依然堅不可摧。

完整解析

播客探討了密碼學領域正面臨的三大變局:量子電腦、AI 攻擊能力躍升,以及設計哲學的轉變。

JP 從 Web3 轉入 Cloudflare 三週後首度露面,直言量子威脅被過度渲染。他指出 Google 2024 年公開的進展是漸進式改良,只是縮小了理論電路規模,實際可運作的量子電路仍距破解 RSA-2048 還差數個數量級。用 ZK 證明系統類比,好比 Gentry 前夜的同態加密論文號稱將電路規模降 1000 倍,卻仍需處理百萬級門數——上下限正在縮小,但尚未交集。他將自己的評估從「90% 有生之年不見」調降至「75%」,並強調量子界有誘因誇大進展以爭取資金,實際進展速率被誇大了。

相比之下,AI 對密碼學的威脅則呈現差異化危害。對稱原語(Blake-3、AES、SHA-3)因設計者刻意消除數學結構——混合 XOR、大數加法、位元移位——已天生免疫 LLM 分析。由於對稱密碼本質上是無結構問題,複雜度隨輸入與輪次指數成長,AI 無切入點除非能證明 P=NP。但非對稱密碼完全不同,已見真實 AI 輔助攻擊。Anthropic 用 AI 找到 HAAWK(中國標準候選)的致命漏洞促其撤出;RSA 挑戰賽遭連續破解(RSA-260、RSA-896),雖使用古典 GNFS 演算法但利用 GPU 平行化與 AI 優化參數選擇。估計破 RSA-1024 成本僅 1000 萬美元——對富裕國家或科技公司並非天文數字。

最引人注目的是中國 NGCC 競賽的快速崩塌。數十份公開提交在 AI 投入後數小時內遭系統性破解。密碼學家 Markoos Arenon 下載全部提交,用 AI 模型在幾小時內破解 14 份;更讓人驚駭的是許多設計者竟未自我檢驗安全性——有 200 頁論文完全依賴 AI 生成文本卻未詢問「我的密碼安全嗎?」,結果 JP 用 GPT-4 十分鐘內發現致命缺陷(某提交的 LFSR 回饋多項式甚至非不可約)。

這場危機反露出密碼學研究的結構性問題。傳統上,新標準競賽耗費數年人力評估安全性;設計者為規避未知風險採用過度保守參數(SHA-3 用 24 輪而最強已知攻擊僅達 3-5 輪),導致 MLKEM、MLDSA 等 PQC 標準浪費大量計算資源做無用功。JP 2019 年《Too Much Crypto》一文就指出這荒謬性。AI 加速的是評估流程本身——不用等五年才發現設計缺陷,用 AI 模型數小時內即可驗證,促使設計者敢於採取更激進參數。Ethereum 基金會正準備從 Poseidon(ZK 友善但被發現 CICO 攻擊的雜湊)轉向 Blake-3,正是因為新的證明系統(Flock)讓二進位操作也能高效證明,無須再受限於有限域運算。

結論是:對稱密碼設計已飽和(Blake-3 與 SHA-3 的安全邊界與效率已屬最優),未來密碼學創新主要在非對稱領域,而 AI 扮演的角色是加速安全評估、降低人力成本、允許設計者「邊攻擊邊迭代」而非提前五年鎖定參數。

72 min
AI 技術英文PODCAST11月18日

Generative Cryptography, AI & Scaling Trust with Nicola Greco

Zero Knowledge看原片 ↗
  • 密碼學面臨的完整威脅堆疊:威脅不止於基礎假設,還包括密碼庫的交付方式、協議參數設定、實現細節、側通道攻擊與安全證明等每一層。這就是為何需要「密碼學韌性」而非簡單的「後量子」或「後AI」標籤,因為這涉及整個系統的防禦升級。
  • 生成密碼學的雙軌道:一是改進現有密碼學(通過更好的數據集、形式驗證、研究迴路加速),二是發明新密碼學(讓AI生成新假設、新定義、新協議)。後者透過將智能體放入對抗環境中強制其設計新密碼學應用,可能發現人類尚未探索的密碼原始。
76 min
AI 技術英文PODCAST11月11日

When Math Meets Auto Research with Bartosz Naskręcki

Zero Knowledge看原片 ↗
  • 一、自動研究的適用範圍與侷限 Bartosz強調自動研究特別適合具有複雜組合空間、已知演算法工具、但需要大量耐心和嘗試的問題。ecdsa.fail競賽之所以成功,是因為該演算法模組化,可分解為多個獨立優化的部分,允許多人並行工作。然而這種方
  • 二、AI解決問題的隱藏機制 AI模型本質上是翻譯機器,能將問題重新表述為多種形式。許多看似困難的數學問題,實際上只是定義和表述的問題,AI通過自動重新語境化(context translation)而輕鬆解決。這解釋了為何某些困擾人類數十年
50 min
Web3 安全英文PODCAST10月28日

From Nova to Magnetar: Three Years of Research with Srinath Setty

Zero Knowledge看原片 ↗
  • 1. 安全與效率的權衡突破
  • Magnetar的核心動機是建構最安全的通用ZKVM,只依賴經過驗證的標準雜湊函數。研究團隊發現,這種「極簡」設計反而帶來顯著性能優勢——比依賴橢圓曲線或特製雜湊函數(Poseidon)的「雜湊加」系統快超過一個數量級。這打破了人們對安全與