Anthropic के नए AI cryptanalysis नतीजों का मूल्यांकन

 (blog.cryptographyengineering.com)
1 पॉइंट द्वारा GN⁺ 2 시간 전 | अभी कोई टिप्पणी नहीं है. | WhatsApp पर शेयर करें
  • अप्रकाशित उन्नत मॉडल Claude Mythos ने HAWK key recovery attack और 7-round AES attack का बेहतर संस्करण तैयार किया, जिससे यह दिखता है कि AI मौजूदा cryptanalysis तकनीकों को समझने, जोड़ने और विस्तार देने में सक्षम है
  • HAWK attack तैनात सिस्टम को तुरंत नहीं तोड़ता, लेकिन security bits की संख्या को लगभग आधा कर देता है। key size को दोगुना करके इसकी भरपाई की जा सकती है, लेकिन इससे efficiency घटती है और standardization की संभावना भी बहुत कम हो जाती है
  • AES परिणाम पूरे 10·12·14 rounds के बजाय 7-round variant पर लागू होता है, और 2013 के शोध में केवल constant-factor स्तर का सुधार करने वाला एक अव्यावहारिक attack है, इसलिए वास्तविक AES सुरक्षा में इसका सीधा कोई बदलाव नहीं है
  • मॉडल विश्वसनीय दिखने वाले लेकिन गलत नतीजे भी आसानी से बना सकता है, इसलिए verification bottleneck बन जाता है। runnable code या simple counterexample की जांच आसान है, लेकिन theoretical speedup के लिए expert review चाहिए, और Lean proofs में भी theorem की संरचना तक इंसानों को जांचना पड़ता है
  • सीमित संख्या की संरचनात्मक कठिन समस्याओं वाले public-key·post-quantum cryptography ऐसे क्षेत्र हैं जहाँ AI मौजूदा tools को व्यापक रूप से लागू करने में अच्छा है। advanced research में अचानक अक्षम हो जाने वाली सीमा अभी भी मौजूद है, लेकिन वह तेजी से बाहर की ओर खिसक रही है

Claude Mythos द्वारा बनाए गए दो cryptanalysis नतीजे

  • Anthropic ने अप्रकाशित उन्नत मॉडल Claude Mythos द्वारा बनाए गए HAWK key recovery attack और reduced-round AES attack प्रकाशित किए
  • दोनों नतीजों का लक्ष्य और प्रभाव काफी अलग है
    • HAWK नतीजा एक ऐसे signature scheme पर वास्तविक असर डालता है जिसकी standardization की संभावना थी
    • AES नतीजा मौजूदा शोध में मामूली सुधार जैसा एक अधिक सैद्धांतिक कदम है
  • Anthropic ने research process का परिचय भी अलग से प्रकाशित किया

HAWK की सुरक्षा-स्तर को घटाने वाला key recovery attack

  • HAWK module-LIP समस्या पर आधारित एक post-quantum signature scheme candidate है, जिसे अभी न तो deploy किया गया है और न ही standard के रूप में अपनाया गया है
  • यह standardization के दौर से गुजर रहे Falcon से संबंधित है, लेकिन दोनों अलग कठिन समस्याओं पर आधारित हैं, इसलिए यह attack Falcon पर लागू नहीं होता
  • HAWK को भविष्य के standard candidate के रूप में काफ़ी गंभीरता से आंका जा रहा था
  • यह वास्तविक deployment parameters वाले HAWK को तुरंत तोड़ने वाला attack नहीं है और अब भी exponential time मांगता है, लेकिन security bits को लगभग आधा कर देता है
    • सिद्धांततः key size को दोगुना करके इसकी भरपाई की जा सकती है
    • लेकिन key बड़ी होने पर efficiency घटती है, और HAWK के अस्तित्व का कारण—विकल्पों से अधिक efficient होना—भी कमजोर पड़ जाता है
  • उपलब्ध attack code कमजोर किए गए challenge instances पर कुछ घंटों में key recover कर लेता है
    • ये वास्तविक deployment proposal parameters नहीं हैं, लेकिन cryptographic weakness दिखाने के लिए पर्याप्त हैं
  • नई mathematics गढ़ने के बजाय, इसने पहले से ज्ञात कई tools का विस्तार और बेहद thorough उपयोग करके परिणाम हासिल किया
    • इस्तेमाल की गई सामग्री में कोई विशेष रूप से अनोखी चीज़ नहीं है
    • ज्ञात attack tools को व्यापक और लगातार जोड़ना उस तरह का काम है जिसमें attacking AI अच्छा है
  • इस नतीजे के बाद HAWK के वास्तविक standard बनने की संभावना बहुत कम हो जाती है
  • अधिक तकनीकी संदर्भ HAWK attack summary में देखा जा सकता है

7-round AES attack का सीमित प्रभाव

  • AES एक block cipher है जो 2001 से standard के रूप में उपयोग में है, और key size के अनुसार 10·12·14 rounds चलाता है
  • वास्तविक deployment में AES ने NSA की गैर-सार्वजनिक validation सहित महत्वपूर्ण विश्लेषण झेला है
  • पूरे cipher पर हमला करना कठिन होने के कारण cryptanalysis में कमजोर किए गए reduced-round versions का अध्ययन सामान्य है, और Anthropic का परिणाम 7-round AES को लक्ष्य बनाता है
  • 7-round AES attack स्वयं नया नहीं है; यह परिणाम 2013 के पूर्व शोध और संबंधित paper में constant-factor स्तर का सुधार करता है
  • इसके लिए व्यावहारिक रूप से चलाना मुश्किल विशाल मात्रा की cryptographic computation चाहिए, और पहले वास्तविक encryption device से secret key के साथ बहुत बड़ी संख्या में chosen plaintexts encrypt करवाने पड़ते हैं
  • पूरे attack को वास्तव में चलाया नहीं जा सकता, इसलिए सुधार की मात्रा paper analysis पर आधारित है
    • सभी details implement करने पर वास्तविक runtime घटेगा या नहीं, यह स्पष्ट नहीं है
  • तकनीकी रूप से यह दिलचस्प cryptanalysis प्रगति है, लेकिन पूरे AES पर practical attack या कोई क्रांतिकारी नई mathematics नहीं है

न्यूनतम मानव हस्तक्षेप के साथ attacks का synthesis

  • Anthropic के शोधकर्ताओं ने ऐसा लगता है कि बड़े cryptography expert team द्वारा मॉडल को बारीकी से tune करने के बजाय, उससे नतीजे खोजने को कहा और उसे लंबे समय तक iterative work करने दिया
  • मॉडल इस स्तर तक पहुँच गया कि वह विस्तृत मानव हस्तक्षेप के बिना ये काम कर सके
    • मौजूदा cryptanalysis नतीजों को समझना
    • कई तकनीकों का synthesis करना
    • वास्तव में नए attacks बनाना
    • मौजूदा attacks का विस्तार करना
  • यह अभी superintelligent cryptanalysis नहीं है, लेकिन ज्ञात शोध के आधार पर वास्तविक प्रगति बनाने की इसकी क्षमता काफ़ी महत्वपूर्ण है

परिणाम पैदा करने से कठिन हो गई verification

  • जो output नया परिणाम लगता है, वह हमेशा वास्तव में सही हो ऐसा नहीं है
  • मॉडल असली परिणामों के साथ-साथ विश्वसनीय लेकिन भ्रामक परिणाम भी और आसानी से बना सकता है, जिससे human review का बोझ बढ़ता है
  • HAWK की तरह किसी कमजोर सिस्टम पर कुछ घंटों में चलने वाला complete attack verify करना आसान है
    • code लेकर यह जांचना पर्याप्त है कि key recovery होती है या नहीं और चुने गए messages पर वास्तविक signing संभव है या नहीं
  • AES जैसी सूक्ष्म theoretical speedup की validity की जांच कठिन है
    • Lean के साथ machine-verifiable proof बनाया जा सकता है
    • लेकिन proof सही होने पर भी theorem statement की संरचना के प्रति संवेदनशीलता के कारण expert confirmation चाहिए
  • हाल में ध्यान खींचने वाले mathematical results आमतौर पर इन प्रकारों में आते हैं
    • अच्छी तरह समझे गए theorem के लिए machine-verifiable proof शामिल करना
    • Jacobian conjecture counterexample की तरह सीधे गिने जा सकने वाले simple counterexample देना
    • कई experts द्वारा लंबे समय तक review के बाद मान्य माना जाना
  • human verification की आवश्यकता research की गति को सीमित करती है, और गैर-विनाशकारी cryptanalysis में फिलहाल कुछ समय तक यही स्थिति बनी रह सकती है

symmetric-key और public-key cryptography पर प्रभाव

  • symmetric-key cryptography

    • symmetric-key cryptography को जल्दी लागू किया जा सके लेकिन उल्टा हल करना कठिन रहे, इसके लिए जानबूझकर जटिल और मजबूत संरचना का उपयोग किया जाता है
    • AI computation time बढ़ाने भर से यह संरचना तुरंत नहीं टूटती, और मौजूदा मॉडल इसे तोड़ने के लिए ज़रूरी breakthrough intuition नहीं दिखाते
    • भले AI नई तकनीकों से प्रगति करे, उसी का उपयोग cipher को और मजबूत सुधारने में भी किया जा सकता है

  • public-key·post-quantum cryptography

    • public-key cryptography के लिए ऐसी mathematical structure चाहिए जिसमें एक दिशा का computation तेज हो, उलटी दिशा कठिन हो, और केवल कुछ पक्ष ही उलटी गणना कर सकें—यानी trapdoor हो
    • इंसानों को ऐसी सुविधाजनक संरचनाएँ बहुत कम मिली हैं, और प्रमुख आधार ये हैं
      • (EC)DLP
      • RSA
      • lattice problems
      • coding theory की कई समस्याएँ
    • RSA जैसी पुरानी समस्या के बारे में भी यह विश्वास करना कठिन है कि पर्याप्त manpower ने उसका पूरा विश्लेषण कर लिया है, और code-based व lattice-based cryptography जैसे नए क्षेत्रों में attack research की गुंजाइश खास तौर पर अधिक है
    • मौजूदा tools को बड़े पैमाने पर लागू करने वाला AI वास्तविक प्रगति दे सकता है, इसलिए यह उपजाऊ research target है

post-quantum standards के संक्रमणकाल में खुला अवसर

  • अभी public-key cryptography, EC-based cryptography और RSA से हटकर नई कठिन समस्याओं पर आधारित post-quantum algorithms की ओर बढ़ रही है
  • HAWK सहित कई candidates की समीक्षा का यह समय बड़े पैमाने की public cryptanalysis क्षमता के उभरने के लिए उपयुक्त है
  • यदि AI सभी आधारभूत कठिन समस्याओं को ध्वस्त नहीं कर देता या Impagliazzo के Minicrypt जैसी स्थिति नहीं आती, तो शक्तिशाली AI cryptanalysis के ये प्रभाव हो सकते हैं
    • बची हुई कठिन समस्याओं पर भरोसा बढ़ाना
    • cryptanalysis literature को अधिक मजबूत बनाना
    • standard adoption से पहले कमजोर candidates को बाहर करना

वैज्ञानिकों और research ecosystem में बदलाव

  • वैज्ञानिक मॉडल के साथ सबसे कठिन समस्याओं पर चर्चा कर सकते हैं, लेकिन मॉडल अभी हर समस्या को स्वतंत्र रूप से हल नहीं कर सकता, इसलिए इंसानों की भूमिका बनी हुई है
  • discoveries की गति तेज होना सक्रिय researchers के लिए कुल मिलाकर सकारात्मक है
  • कुछ अनसुलझे प्रश्न भी बचे हैं
    • AI द्वारा बनाए गए परिणाम का श्रेय किसे दिया जाए
    • तेज़ी से बढ़ते परिणामों की समीक्षा कौन करेगा
  • उन्नत अप्रकाशित मॉडल के उपयोग के अनुभव में, पिछले कुछ महीनों में भी performance साफ़ तौर पर सुधरी है, और कई वर्षों से रुचि के विषय रहे प्रश्नों पर चौंकाने वाले result candidates उभरे हैं
  • Claude Mythos और 100,000 डॉलर के संसाधनों के बिना भी कुछ नए उन्नत मॉडलों में ऐसे बदलाव देखे जा सकते हैं

मौजूदा मॉडल क्षमताओं की सीमा

  • मॉडलों को सिर्फ उन्नत autocomplete मानना या यह समझना कि प्रगति धीमी पड़ गई है, वास्तविक उन्नत मॉडलों की क्षमता से मेल नहीं खाता
  • पिछले 5 महीनों में कुछ खास problem types पर मापी जा सकने वाली बड़ी प्रगति हुई है, और अब तक किसी स्पष्ट performance ceiling का प्रमाण नहीं है
  • यदि आप केवल मुफ्त AI search results का उपयोग करते हैं, तो उन्नत मॉडलों की क्षमता समझना मुश्किल है, जबकि high-performance services तक लगभग 20 डॉलर में पहुँचा जा सकता है
  • इसका यह भी मतलब नहीं कि मॉडल पहले से superintelligent हैं या AGI पूरा हो चुका है
    • advanced research में वे एक बिंदु तक बहुत उपयोगी रहते हैं, लेकिन एक खास सीमा पार करते ही अचानक अक्षम हो जाते हैं
    • इंसान अभी भी उस सीमा को अपेक्षाकृत आसानी से ढूंढ सकते हैं, लेकिन सीमा खुद लगातार बाहर की ओर खिसक रही है
  • मॉडल-सहायता वाले क्षेत्रों और वे क्षेत्र जिन्हें इंसानों को खुद हल करना होगा, इनके बीच की रेखा बदल रही है, और यह बदलाव सिर्फ वैज्ञानिकों पर नहीं बल्कि वकीलों, sales professionals और plumbers सहित सभी पेशों पर असर डालेगा

संबंधित पढ़ाई

अभी कोई टिप्पणी नहीं है.

अभी कोई टिप्पणी नहीं है.