Investigadores de Anthropic han logrado, con la ayuda de su modelo de inteligencia artificial Claude Mythos Preview, descubrir vulnerabilidades matemáticas inéditas en dos algoritmos criptográficos fundamentales: HAWK, un esquema de firma digital post-cuántica, y AES, el estándar de cifrado simétrico más utilizado del mundo.
El primer hallazgo, considerado el más significativo, consiste en un ataque mejorado contra HAWK, uno de los candidatos de tercera ronda en el proceso de estandarización de firmas digitales post-cuánticas del Instituto Nacional de Estándares y Tecnología de Estados Unidos (NIST). Aunque HAWK había superado dos rondas de revisión por expertos humanos a lo largo de dos años, Claude Mythos logró en apenas 60 horas de trabajo mejorar el mejor ataque conocido hasta la fecha, reduciendo a la mitad la "longitud efectiva de clave" del esquema. En términos prácticos, esto equivale a duplicar la velocidad con la que un atacante podría llegar a romper el algoritmo.
Según explica Anthropic en su publicación, la seguridad de HAWK se basa en la dificultad de un problema matemático conocido como el Problema de Isomorfismo de Retículas (Lattice Isomorphism Problem). El ataque de Mythos aprovecha una simetría previamente no explotada, un automorfismo no trivial presente en la retícula utilizada por HAWK.
El segundo hallazgo se refiere a AES, el estándar de cifrado avanzado adoptado por NIST en 2001, que ha recibido más escrutinio que prácticamente cualquier otro algoritmo de cifrado. Claude Mythos encontró una nueva forma de atacar versiones reducidas del algoritmo —variantes más débiles que se estudian para evaluar la robustez del cifrado—, eliminando una de las conjeturas que un atacante debía realizar y acelerando los mejores ataques previos entre 200 y 800 veces.
Anthropic aclaró que ninguno de estos resultados tiene un impacto práctico en los sistemas actuales: HAWK es únicamente un esquema candidato, por lo que no está desplegado en producción, y el ataque a AES solo afecta a versiones reducidas del cifrado, no al algoritmo completo. Sin embargo, la compañía subraya que ambos hallazgos demuestran el potencial de los modelos de inteligencia artificial de frontera para descubrir fallos en algoritmos criptográficos, tanto antes como después de su despliegue en el mundo real.
El proceso de investigación fue notablemente autónomo. Durante una semana, un investigador de Anthropic trabajó junto a Claude para desarrollar el ataque contra HAWK, mientras que otro investigador construyó un sistema que permitió a Claude descubrir de forma totalmente autónoma el ataque contra AES. Cada hallazgo costó aproximadamente 100.000 dólares en uso de la API. Tras estos resultados, el equipo amplió su búsqueda y comenzó a descubrir otros ataques adicionales.
En paralelo, Anthropic anunció una colaboración con académicos de la ETH Zúrich, la Universidad de Tel Aviv y la Universidad de Haifa para desarrollar CryptanalysisBench, un benchmark que reúne múltiples cifrados criptográficos y facilita la evaluación de las capacidades de los modelos de lenguaje en esta disciplina.
La compañía aseguró haber seguido procedimientos responsables de divulgación, consultando con académicos para confirmar la validez de los hallazgos y compartiendo copias anticipadas con el gobierno estadounidense y socios industriales. En el caso de HAWK, el equipo compartió su ataque con los autores del esquema en junio y coordinó la divulgación pública en la lista de correo de NIST.
Estos avances se producen en un contexto de creciente urgencia en la comunidad criptográfica. La amenaza de que un ordenador cuántico criptográficamente relevante pueda quebrar sistemas clásicos como RSA o ECDSA ha impulsado un esfuerzo internacional de casi una década para estandarizar nuevos esquemas post-cuánticos. Los propios responsables de HAWK y otros esquemas similares llevan años sometidos a pruebas intensivas precisamente para identificar debilidades antes de cualquier despliegue masivo.
Anthropic enmarca estos hallazgos como un ejemplo de la criptoanálisis funcionando según lo previsto: someter a los algoritmos a pruebas de estrés para generar confianza y, en última instancia, hacer los sistemas más seguros. No obstante, el hecho de que un modelo de IA haya logrado en 60 horas lo que no se había conseguido en años de revisión humana marca un punto de inflexión en la intersección entre inteligencia artificial y ciberseguridad, y plantea interrogantes sobre cómo deberán adaptarse los futuros procesos de evaluación de estándares criptográficos.