Claude Mythos Preview, modello di intelligenza artificiale sviluppato da Anthropic, ha individuato debolezze crittografiche che hanno permesso di costruire un attacco completo per il recupero della chiave contro HAWK-256 e di accelerare sensibilmente un attacco rivolto a una versione ridotta di AES-128. I risultati non compromettono i protocolli di sicurezza attualmente utilizzati, ma mostrano come un modello AI possa contribuire direttamente alla ricerca crittanalitica, lasciando agli specialisti umani la direzione del lavoro e la verifica delle conclusioni.
Nel caso di HAWK, il modello ha identificato una simmetria fino a quel momento sconosciuta nella struttura reticolare dello schema di firma. Lo sfruttamento di questa proprietà ha consentito un attacco capace di recuperare la chiave in circa tre ore e 42 minuti su un server dotato di 96 core. Il risultato riguarda però specificamente i parametri della challenge HAWK-256: non si estende ai sistemi in produzione e non determina una compromissione generale della crittografia basata sui reticoli.
HAWK rimane inoltre candidato nel processo di standardizzazione post-quantistica del NIST. La delimitazione dell’attacco è quindi un elemento essenziale per interpretare correttamente il risultato: la debolezza individuata riguarda un particolare insieme di parametri predisposto per la valutazione, non l’intera famiglia tecnologica né gli altri candidati del NIST per le firme digitali. Anthropic ha escluso conseguenze immediate per le implementazioni operative e per gli attuali protocolli di sicurezza.
Il secondo risultato coinvolge AES-128, ma anche in questo caso entro un perimetro preciso. L’attacco interessa sette dei dieci round dell’algoritmo e migliora una tecnica meet-in-the-middle già esistente. Claude Mythos Preview ha eliminato un passaggio basato su un tentativo di indovinare, ottenendo così un’accelerazione compresa tra 200 e 800 volte. Non si tratta dunque di un attacco contro la configurazione completa di AES-128, bensì di un progresso crittanalitico applicato a una variante ridotta.
La maggiore velocità non rende comunque praticabile l’attacco in condizioni reali. La procedura continua a richiedere un numero impraticabile di testi in chiaro scelti, un vincolo che impedisce di tradurre il miglioramento teorico in una minaccia concreta per gli utenti o per le aziende. Di conseguenza, non sono necessarie modifiche al software in produzione. Il dato numerico sull’accelerazione descrive l’efficienza relativa rispetto al metodo precedente, non la possibilità di violare i sistemi protetti dalla versione completa dell’algoritmo.
La ricerca è stata condotta in larga parte dall’intelligenza artificiale, con supervisione umana dedicata a orientamento e verifica. Questa ripartizione dei compiti delinea un impiego dell’AI diverso dalla semplice consultazione automatizzata: il modello ha partecipato all’esplorazione di strutture matematiche e al miglioramento di tecniche d’attacco, mentre i ricercatori hanno mantenuto il controllo sulla direzione dell’indagine e sulla validazione dei risultati. La capacità resta quindi inserita in un processo specialistico, nel quale le conclusioni devono essere controllate prima di poter essere considerate affidabili.
Per imprese e responsabili della sicurezza, i due risultati non comportano interventi urgenti, aggiornamenti o sostituzioni degli strumenti crittografici in uso. Offrono però un’indicazione sull’evoluzione della crittanalisi assistita dall’AI: modelli avanzati possono contribuire a trovare simmetrie, ridurre passaggi computazionali e riesaminare attacchi già conosciuti. In questo caso i limiti sono netti — parametri di challenge per HAWK-256 e sette round per AES-128 — ma il lavoro mostra una collaborazione tra sistemi AI e supervisori umani capace di produrre risultati crittografici verificabili senza trasformarli automaticamente in vulnerabilità operative.