Crittanalisi con l’AI, Claude Mythos di Anthropic trova nuove debolezze in HAWK e AES

C’è un momento in cui l’intelligenza artificiale smette di essere soltanto uno strumento di produttività e comincia a comportarsi come un collaboratore di ricerca, capace di contributi originali. Per la crittografia quel momento ha una data recente. Anthropic ha annunciato di aver usato Claude Mythos Preview, un modello di frontiera non ancora rilasciato al pubblico, per individuare nuove debolezze matematiche in due sistemi crittografici molto studiati: HAWK, uno schema di firma digitale candidato allo standard post-quantistico del NIST, e una versione semplificata di AES, la cifratura più diffusa al mondo per proteggere i dati in transito.

L’azienda ha definito il lavoro un progresso di ricerca sostanziale, spiegando che si tratta degli attacchi più forti prodotti finora nei suoi esperimenti. Allo stesso tempo ha chiarito subito un punto che conviene tenere a mente: nessun software oggi in uso è a rischio.

Il valore della notizia non sta nell’allarme immediato, sta nel segnale. Un modello linguistico ha trovato scorciatoie matematiche che gli esperti umani non avevano visto, in un caso dopo più di due anni di analisi collettiva.

Cosa ha scoperto Claude Mythos sullo schema HAWK

HAWK è uno schema di firma digitale in valutazione al NIST, l’istituto statunitense che sta selezionando gli algoritmi destinati a resistere ai futuri computer quantistici. La sua sicurezza poggia su una struttura matematica complessa chiamata reticolo, una griglia di punti in molte dimensioni nella quale certi problemi sono ritenuti difficilissimi da risolvere. È proprio quella difficoltà a fare da lucchetto.

Lavorando insieme a un ricercatore umano, Claude Mythos Preview ha individuato in quel reticolo una scorciatoia che nessuno aveva sfruttato prima: un automorfismo non banale, cioè una simmetria nascosta nella struttura. Sfruttando quella simmetria, il modello ha ridotto in modo netto lo sforzo necessario per attaccare lo schema.

Le conseguenze pratiche sono concrete. La scoperta dimezza la robustezza effettiva della chiave, il che significa che per mantenere lo stesso livello di sicurezza le dimensioni delle chiavi andrebbero raddoppiate. Un raddoppio che, come ha osservato Anthropic, cancellerebbe gran parte dei vantaggi che rendevano HAWK un candidato appetibile. Per il set di parametri più piccolo il costo stimato dell’attacco è crollato in maniera drastica, e la chiave segreta è stata recuperata su un singolo server.

Un dettaglio dà la misura dell’accaduto: HAWK era stato passato al setaccio per oltre due anni dalla comunità internazionale, che lo considerava solido.

Perché una firma post-quantistica ti riguarda

La crittografia post-quantistica nasce per un motivo semplice da capire. I computer quantistici, quando saranno abbastanza potenti, potrebbero mandare in frantumi molti degli algoritmi che oggi proteggono transazioni bancarie, messaggi e firme digitali. Per questo il NIST sta standardizzando nuovi schemi pensati per reggere a quella minaccia, ed è un tema che tocca da vicino anche chi lavora con l’identità digitale e con i registri distribuiti. Se vuoi inquadrare il contesto più ampio in cui si muove questa corsa, abbiamo raccontato altrove il rapporto tra quantum computing e intelligenza artificiale e le sue possibili conseguenze.

Che una debolezza emerga adesso, in fase di valutazione, non è affatto una brutta notizia. È esattamente ciò che il processo del NIST dovrebbe produrre: mettere alla prova i candidati, con ogni mezzo disponibile, prima che diventino standard globali su cui poggeranno miliardi di dispositivi.

Il colpo ad AES e la scorciatoia battezzata Möbius Bridge

Il secondo risultato riguarda AES, il cifrario adottato dal NIST nel 2001 e ancora oggi lo standard di riferimento per proteggere i dati in transito. Qui serve una precisazione tecnica, perché è ciò che tiene la notizia dentro i binari della realtà. L’AES reale mescola i dati attraverso dieci passaggi successivi, chiamati round. Per misurare i margini di sicurezza, i ricercatori studiano abitualmente una versione ridotta a sette round: un banco di prova teorico, non il cifrario che gira sul tuo telefono o dentro il tuo browser.

Su quella versione a sette round Claude Mythos ha inventato una scorciatoia matematica che ha battezzato Möbius Bridge. Negli attacchi teorici precedenti gli analisti dovevano confrontare centinaia di valori con una tabella tenuta in memoria; il modello ha eliminato del tutto quel passaggio di ricerca. Combinata con altre ottimizzazioni, la scoperta ha reso il miglior attacco teorico conosciuto contro l’AES a sette round da 200 a 800 volte più veloce.

Resta comunque un attacco puramente teorico. Richiede una quantità di dati impossibile da raccogliere, nell’ordine di centinaia di miliardi di miliardi di messaggi, e non scalfisce i dieci round completi che proteggono il software di ogni giorno.

C’è però un particolare che racconta molto di come lavorano oggi questi sistemi. All’inizio Claude si era rifiutato di provarci, sostenendo che un miglioramento fosse impossibile. Un ricercatore gli ha inviato tre messaggi di incoraggiamento nell’arco di tre giorni e, a quel punto, il modello ha prodotto circa un miliardo di token in uscita, arrivando quasi da solo alla soluzione. È un promemoria utile: il modo in cui imposti il compito e insisti sulla direzione conta quanto la potenza grezza del modello.

Perché è importante anche se la tua cifratura è al sicuro

Anthropic ha seguito le pratiche standard di divulgazione responsabile. Ha avvisato gli autori di HAWK a giugno, ha coordinato la pubblicazione con una mailing list del NIST e ha informato in anticipo partner governativi e industriali. Non è un dettaglio formale: è la linea che separa la ricerca dal danno.

Per rendere il lavoro verificabile e confrontabile, l’azienda ha collaborato con ricercatori dell’ETH di Zurigo, dell’Università di Tel Aviv e dell’Università di Haifa alla costruzione di uno strumento condiviso, chiamato CryptanalysisBench, pensato per misurare come i sistemi di AI se la cavano contro una gamma di cifrari diversi. È il tentativo di trasformare un exploit isolato in un metodo ripetibile, che altri possano usare per pesare le proprie difese.

Il contesto aiuta a leggere la portata della cosa. A giugno le agenzie di intelligence dell’alleanza Five Eyes avevano avvertito che modelli di AI capaci di creare seri danni nel dominio cyber erano “a pochi mesi di distanza”. La capacità di Mythos di scovare falle non è del tutto nuova, e si inserisce nella stessa scia in cui i grandi laboratori mettono alla prova i propri modelli, come abbiamo visto con i test di sicurezza di Anthropic finiti fuori controllo e con le contromosse dei concorrenti.

La questione vera, quella che la stessa Anthropic lascia aperta, riguarda il futuro prossimo. Cosa dovrebbero fare ricercatori, aziende e governi se un modello linguistico scoprisse una falla in un sistema crittografico che protegge infrastrutture critiche, e non più soltanto un candidato di laboratorio? Per chi costruisce servizi su firme e cifratura, dalla finanza alla blockchain, quella domanda smette molto in fretta di essere accademica.

Cosa cambia per te

Nell’immediato non c’è niente da correre a sistemare: le tue chiavi, i tuoi certificati e i tuoi wallet restano al sicuro. Nel medio periodo, però, questa vicenda sposta l’orizzonte. Ti dice che la robustezza di un algoritmo va trattata come qualcosa di vivo, da rivalutare periodicamente, e non come una certezza scolpita nella pietra nel momento in cui viene adottato.

Se ti occupi di sicurezza, di identità digitale o di infrastrutture, il messaggio operativo è chiaro: sapere dove vive la crittografia nei tuoi sistemi e prepararti per tempo alla transizione verso algoritmi resistenti al quantistico. Vale la pena ricordare che strumenti come questi nascono dagli stessi modelli di frontiera, ad esempio quelli della famiglia Claude, che sempre più aziende impiegano ogni giorno per compiti ben più ordinari.

La crittanalisi assistita dall’AI è appena entrata in una fase nuova, in cui un modello non si limita a cercare bug nel codice ma contribuisce alla matematica che tiene in piedi la sicurezza. Se vuoi restare aggiornato su come l’intelligenza artificiale sta cambiando la ricerca, la difesa dei dati e gli equilibri della cybersecurity, continua a seguirci: i prossimi mesi promettono di essere decisivi.