2026 年 7 月 28 日，Anthropic 的 Frontier Red Team 發布〈Discovering cryptographic weaknesses with Claude〉。這份 Claude 密碼分析報告同時帶來兩個很不一樣的結果：HAWK 後量子簽章候選方案的核心安全估算被實質改寫；另一個針對 7 輪 AES-128 的方法，則仍離攻擊完整 AES 很遠。更關鍵的是，HAWK 團隊在報告公開隔天正式確認問題並宣布退選，讓這件事從一篇公司研究報告，迅速變成真正改變標準化進程的案例。
截至 2026 年 7 月 30 日 13:45（台北時間），這篇報告在 Hacker News 累積 226 分與 180 個討論樹回覆。這證明它引起高度關注，卻不是科學驗證本身。下面依序把原文主張放回技術脈絡、對照論文與官方回應，再判斷這次突破究竟屬於模型、研究系統，還是驗證流程的進步。
Claude 密碼分析跨過的門檻：從程式錯誤到數學結構
“Now, we have found that Claude is able to find mathematical flaws in the algorithms themselves.”
中文：現在，我們發現 Claude 已能找出演算法本身的數學缺陷。
Anthropic
這句話是原文最重要的主張。過去模型找到的密碼漏洞，常是某個函式庫把正確演算法寫錯；這次研究瞄準的是演算法設計所依賴的數學結構。Anthropic 也公開了兩份技術論文與示範程式，讓外界能檢查證明、成本模型與可執行元件。
| 結果 | 真正做到的事 | 證據強度 | 現實影響 |
|---|---|---|---|
| HAWK | 把關鍵恢復問題降到約一半維度的格約化；在弱化的 HAWK-256 挑戰參數端到端恢復等價簽章金鑰 | 程式可執行；HAWK 團隊確認攻擊約使 block size 減半，NIST 官網確認退選狀態 | 候選方案退出標準化；不是已部署系統遭入侵 |
| 7 輪 AES-128 | 改進 2013 年已知的 meet-in-the-middle 攻擊成本 | 數學推導、縮小實驗與真實 AES 元件量測；全規模攻擊未端到端執行 | 沒有觸及採 10 輪的完整 AES-128 |
兩者都被稱為「attack」，但可驗證性差了一個世界。HAWK 有能產生有效簽章的金鑰恢復結果，並且直接改變候選方案命運；AES 則是極端資源模型下的理論改進。把它們包成一句「Claude 破解密碼學」，會同時高估 AES、低估 HAWK。
HAWK：兩輪公開評估後，Claude 輔助攻擊補上關鍵缺口
HAWK 是格基後量子數位簽章方案。Anthropic 發表時，它剛進入 NIST 額外數位簽章計畫第三輪，已經歷兩輪、約三年的公開評估；但尚未成為標準。NIST 2026 年 5 月的評估報告也早已指出，HAWK 較新穎的安全假設與代數結構仍需要更廣泛分析。因此，準確說法不是「人類三年毫無線索」，而是公開審查已看見風險區域，這次人機協作把一條尚未完成的攻擊路線接成了證明與實作。
HAWK 論文把金鑰恢復降為在 n/2 + 1 維度求解 exact-SVP。以論文表格的可比數字來看，HAWK-512 所需的 oracle 維度由 452 降到 257，HAWK-1024 由 940 降到 513；作者的總閘數模型則把兩者的金鑰恢復估算分別從 2150 降至最多 2108、從 2288 降至最多 2182。所以「安全強度砍半」只能當方向性簡稱：被約減半的是關鍵格維度或 block size，不是每一個安全指數都直接除以二。
真正跑通的是 HAWK-256：這是設計者刻意保留、約 64-bit 強度的密碼分析挑戰參數，不是 HAWK-512 或 HAWK-1024 的正式提案等級。論文報告在單台 96 核心 Sapphire Rapids 伺服器上於數小時內完成；官方 demo README 的參考 profile 估計完整流程約 3 小時 42 分鐘。攻擊會恢復一把功能等價的簽章金鑰，再用它產生可驗證簽章；作者也明確寫明沒有嘗試 HAWK-512。這是一個真實的端到端攻擊展示，但不能改寫成「正式參數已在數小時內破解」。
隔天退選，代表標準化機制成功，不是部署事故
提交團隊表示，Anthropic 早在 6 月便已私下通報這項分析；7 月 29 日，也就是報告公開隔天，團隊才在 NIST PQC 論壇正式確認，攻擊大約把格約化所需 block size 減半。這不是只花一天完成全部驗證。他們判斷，單純把參數放大一倍或改用更高 rank 會讓 HAWK 失去競爭力，因此主動退出；NIST 候選頁面也已標記 withdrawal。
這個後果很實質，卻不是資安災難。HAWK 尚未標準化；這個證明針對 HAWK 的結構，論文也另有專節說明為何不能直接轉用 Falcon。它不能被外推成 ML-DSA、Falcon／FN-DSA 或整個格基家族受到同一攻擊。公開候選在大規模部署前被淘汰，本來就是密碼標準競賽最希望得到的結果。
7 輪 AES：方法有新意，離完整 AES 仍極遙遠
另一個結果需要更嚴格的語言。依 NIST FIPS 197，完整 AES-128 使用 10 輪；Anthropic 攻擊的是 7 輪版本。這類 reduced-round 研究的價值，是測量安全餘裕與發展密碼分析工具，不等於現有產品正在使用一個少三輪的 AES。
Nasr 與 Carlini 的論文提出稱為 Möbius Bridge 的代數關係，再用它構造對相關變換不敏感的 fingerprint，省去一個 256 值猜測迴圈；配合多項工程最佳化後，方法改進了 2013 年 Derbez、Fouque 與 Jean 的 7 輪攻擊。在固定需要 2105 筆 chosen plaintext 的前提下，作者估算 online time 約為 291.4，最樂觀的細緻帳本約為 289.28；這就是「約快 200–800 倍」的來源。它比較的是作者模型下的線上工作量，不是完整攻擊的實測牆鐘時間，也沒有減少 2105 的資料需求。
論文實際執行的是縮小版 cipher、已知金鑰驗證框架、部分真實 AES 表格與候選探測，以及各元件的速度量測；完整的 2105 查詢與 288 表格未端到端執行。把量測常數外推到全規模後，論文 Table 10 對「同樣加入最佳化的舊方法」給出的總週期改善約 114 倍，對「2013 年原始發表版本」則約 362 倍。基準不同，倍數就不同，這正說明 AES 結果應讀成方法與成本模型的進展，而不是可立即利用的漏洞。
配套 artifact 還加入一段 Lean 證明，但範圍只涵蓋完整 256-bit χ★ orbit 的計數界。實際使用的 13-byte 截斷 fingerprint 假陽性率，以及 wrong-key 是否近似均勻，仍依靠量測與 heuristic 假設；不能把這段形式化工作寫成整個攻擊已完成機器驗證。
密碼學家 Matthew Green 的獨立評論因此把 HAWK 視為有份量、可檢查的成果，對 AES 則更保留：它是合理的學術改進，但本質上仍是無法在完整尺度執行的 constant-factor 進步。這不是說 AES 工作沒有價值，而是兩個頭條放在一起時，證據重量不應被平均。
Claude 密碼分析背後：研究單位其實是一整套系統
這套 Claude 密碼分析流程不是在聊天視窗問一次問題。Anthropic 表示，團隊讓 Mythos Preview 在多代理鷹架中讀文獻、呼叫 Python 與 Sage、提出假說並跑實驗；HAWK 工作約 60 小時、API 成本約 10 萬美元。AES 專案則據稱累積約 10 億個輸出 token、同樣約 10 萬美元，之後兩位研究者又花數百小時、接近一個月建立信心。這些時間、token、成本與自主程度均採 Anthropic 的公司披露值。
人類仍然選題、設計鷹架、管理方向、判斷何時值得深挖、檢查證明並整理論文。Anthropic 也說明，公開的 AES 推理文件是 Claude 對一段成功工作歷程的重寫整理；其他許多嘗試沒有結果。它提供可追蹤線索，但不是所有成功與失敗過程的原始完整紀錄。
格密碼學家 Chris Peikert 對 HAWK 的第一反應是肯定攻擊的數學份量；他隨後又補充，成果關鍵地建立在近期人類對 LIP 的工作上。較公平的理解是：Claude 沒有從真空創造一套全新數學，而是找出缺失的連接、組合既有工具，並把它推成可驗證的端到端攻擊。對研究而言，這已經很重要。
AlphaLab 的判讀：HAWK 改變標準，AES 改進方法
一、同一個「攻擊」字眼，可能代表完全不同的證據
HAWK 的結果能在弱化參數上恢復簽章能力，正式參數所需 block size 約減半也得到提交團隊確認；AES 的結果則依靠未端到端執行的複雜度帳本、縮小實驗與真實 AES 元件量測。未來讀 AI 研究新聞，最先要問的不是 benchmark 數字多大，而是：最後的物件能不能產生、驗證或失敗？如果不能，哪些環節是量測，哪些只是外推？
二、真正可複製的能力，是模型、工具、算力與驗證者的乘積
把成果全歸功於「Claude 很聰明」會漏掉決定性條件：可搜尋文獻、可執行數學軟體、能平行探索的代理架構、六位數美元推理成本、投入核驗的人類研究者，以及外部密碼學家與提交團隊。模型讓搜尋空間變大；研究系統讓搜尋不至於散掉；人類與社群讓一個候選答案升格為知識。
三、HAWK 退選是防禦成功，不是密碼世界失守
後量子標準的目的，不是保證候選永不被攻破，而是在大規模採用前邀請最強對手來拆。AI 把攻擊假說的產生速度放大後，標準機構更應把它納入紅隊流程；但裁判仍要由獨立重現、公開反駁與明確證據規格共同擔任。
四、生成研究變快後，真正稀缺的是驗證頻寬
HAWK 約 60 小時的模型協作，很快引來專家核對與提交團隊回應；AES 則需要數百小時人力，仍無法用完整實驗直接對帳。若未來模型每天都能產生大量新攻擊，研究社群需要的將不只是更多答案，而是統一的成本帳本、可執行 artifact、失敗紀錄、獨立重跑與更精準的形式化驗證範圍。
我同意什麼，又存疑什麼？
我同意 Anthropic 的 HAWK 成果已跨過「有趣 demo」門檻：它補上重要數學缺口、產生可執行攻擊，並促使候選方案退出。對 AES，我同意新代數關係與工程組合值得密碼學社群檢查；我存疑的是把兩者一起包裝成「頂尖專家級密碼研究能力」。這兩項個案的研究設計不是 Claude 與人類專家的受控比較，成果也依賴專用鷹架、昂貴算力與大量人工驗證。最可靠的結論，是 Claude 已成為能影響研究決策的強力合作者，而不是它已單獨取代頂尖密碼學家。
以後看到「AI 破解密碼」，先問這五件事
- 攻擊的是什麼？是已部署標準、仍在評選的候選，還是 reduced-round／challenge 版本？
- 用的是正式參數嗎？弱化參數跑通，和正式安全等級的成本被估低，是兩種不同證據。
- 資源模型完整嗎？時間之外，還要一起看 chosen plaintext、記憶體、oracle 與成功率。
- 真的端到端跑過嗎？元件測速與全規模外推，不能寫成完整攻擊實測。
- 誰獨立回應了？原作者確認、標準機構處置、外部重現與正式同行評審，各自代表不同強度。
延伸閱讀
想理解這次研究為何不是「多問模型幾次」，可先讀 AI Agent Harness 是什麼？ 與 如何動手搭最小 Agent Harness；若你關心 AI 加速研究後，驗證為何會成為瓶頸，延伸看 當 AI 開始打造 AI。要比較研究型代理與日常 coding assistant 的差別，可再讀 Claude Code vs Codex，以及 AI Agent 的密鑰與權限安全，把「模型能提出什麼」和「系統如何安全驗證」放在同一張圖裡。