Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
Anthropic의 미공개 모델 Claude Mythos가 HAWK 서명 방식과 7라운드 AES에 대한 암호분석 공격을 성공하며 AI의 암호학적 능력을 입증했습니다. 이번 결과는 새로운 수학적 발명보다는 기존 도구를 결합하고 확장하는 AI의 강점을 보여주며, 향후 양자내성 암호 연구 분야에서 AI의 역할이 확대될 것임을 시사합니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 GeekNews의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기Anthropic은 미공개 고급 모델
Claude Mythos가 만든 HAWK 키 복구 공격과 축소 라운드 AES 공격을 공개함
두 결과는 대상과 파급력이 크게 다름
HAWK 결과는 표준화 가능성이 있던 서명 방식에 실질적인 영향을 줌
AES 결과는 기존 연구를 소폭 개선한 이론적 진전에 가까움
Anthropic은 별도의 연구 과정 소개도 공개함
HAWK는 모듈 격자 동형 문제(module-LIP)에 기반한
양자내성 서명 방식 후보로, 아직 배포되거나 표준으로 채택되지는 않았음
표준화 중인 Falcon과 관련돼 있지만 서로 다른 난제에 기반하므로 이번 공격은 Falcon에 적용되지 않음
HAWK는 향후 표준 후보로 상당한 평가가 진행된 상태였음
실제 배포 매개변수의 HAWK를 즉시 깨는 공격은 아니며 여전히
지수 시간이 필요하지만, 보안 비트 수를 대략 절반으로 낮춤
이론적으로는 키 크기를 두 배로 늘려 보완할 수 있음
키가 커지면 효율성이 떨어지고, 대안보다 효율적이라는 HAWK의 존재 이유도 약해짐
제공된 공격 코드는 약화된
도전용 인스턴스에서 몇 시간 안에 키를 복구함
실제 배포 제안 매개변수는 아니지만 암호학적 약점을 입증하기에는 충분함
새로운 수학을 발명하기보다 이미 알려진 여러 도구를 확장하고 철저하게 적용해 결과를 얻음
사용된 재료에는 특별히 이색적인 요소가 없음
알려진 공격 도구를 폭넓고 집요하게 조합하는 작업은 공격용 AI가 잘하는 유형임
이 결과로 HAWK가 실제 표준이 될 가능성은 매우 낮아짐
자세한 기술적 맥락은 HAWK 공격 요약에서 확인할 수 있음
AES는 2001년부터 표준으로 사용된 블록 암호이며 키 크기에 따라
10·12·14라운드를 수행함
실제 배포 AES는 NSA의 비공개 검증을 포함한 중요한 분석을 견뎌왔음
전체 암호를 공격하기 어렵기 때문에 암호분석에서는 약화된
축소 라운드 버전을 연구하는 것이 일반적이며, Anthropic의 결과는 7라운드 AES를 대상으로 함
7라운드 AES 공격 자체는 새롭지 않으며, 이번 결과는 2013년 선행 연구와 관련 논문을 상수 배수 수준으로 개선함
현실적으로 실행하기 어려운 막대한 암호 연산이 필요하며, 실제 암호화 장치가 비밀 키로 매우 많은
선택 평문을 암호화하도록 먼저 만들어야 함
전체 공격을 실제로 실행할 수 없어 개선 폭은 종이 위 분석에 기반함
모든 세부 사항을 구현했을 때 실제 실행 시간이 줄어드는지는 명확하지 않음
기법 면에서는 흥미로운 암호분석 진전이지만, 전체 AES에 대한 실용적 공격이나 획기적인 새 수학은 아님
Anthropic 연구진은 대규모 암호학 전문가 팀이 모델을 세밀하게 조정하기보다, 결과를 찾도록 요청한 뒤 장시간 반복 작업을 수행하게 한 것으로 보임
모델은
상세한 인간 개입 없이 다음 작업을 수행할 수 있는 수준에 도달함
기존 암호분석 결과 이해
여러 기법의 종합
실제 새로운 공격 구성
기존 공격의 확장
아직 초지능적 암호분석은 아니지만, 알려진 연구를 바탕으로 실제 진전을 만드는 능력은 상당함
새로운 결과처럼 보이는 출력이 항상 실제로 옳은 것은 아님
모델은 진짜 결과뿐 아니라
그럴듯하고 오해를 부르는 결과도 더 쉽게 생성할 수 있어 사람의 검토 부담이 커짐
HAWK처럼 약화된 체계에서 몇 시간 안에 실행되는 완전한 공격은 검증하기 쉬움
코드를 전달받아 키 복구와 선택한 메시지의 실제 서명이 가능한지 확인하면 됨
AES처럼 미묘한 이론적 속도 개선은 유효성을 확인하기 어려움
Lean으로 기계 검증 가능한 증명을 만들 수 있음
증명이 맞더라도
정리 문장 자체의 구성 방식에 민감하므로 전문가 확인이 필요함
최근 주목받은 수학 결과는 대체로 다음 유형에 속함
잘 이해된 정리에 대한 기계 검증 가능 증명을 포함함
Jacobian 추측 반례처럼 직접 계산할 수 있는 단순 반례를 제공함
다수 전문가가 오랜 시간 검토한 뒤 타당성을 인정함
인간 검증의 필요성이 연구 속도를 제한하며, 치명적이지 않은 암호분석에서는 당분간 이런 상태가 이어질 가능성이 있음
대칭키 암호는 빠르게 적용할 수 있지만 역으로 풀기 어렵도록
복잡하고 견고한 구조를 의도적으로 사용함
AI 연산 시간을 더 투입한다고 곧바로 이 구조를 풀 수 있는 것은 아니며, 현재 모델은 이를 깨는 데 필요한 획기적 직관을 보여주지 못함
AI가 새로운 기법으로 진전을 내더라도 암호 자체를 더 강하게 개선하는 데 활용할 수 있음
공개키 암호에는 한 방향 계산은 빠르고 역방향은 어려우면서, 특정 당사자만 역산할 수 있는
트랩도어를 지닌 수학적 구조가 필요함
사람이 발견한 편리한 구조는 많지 않으며 주요 기반은 다음과 같음
(EC)DLP
RSA
격자 문제
부호 이론의 여러 문제
RSA처럼 오래된 문제조차 충분한 인력이 분석했다고 확신하기 어려우며, 부호 기반·격자 기반 암호처럼 새로운 분야는 특히 공격 연구의 여지가 큼
기존 도구를 대규모로 적용하는 AI가 실질적인 진전을 만들 수 있는
비옥한 연구 대상임
과학자는 모델과 가장 어려운 문제를 논의할 수 있지만, 모델이 아직 모든 문제를 독립적으로 해결하지 못하므로 인간의 역할도 남아 있음
새로운 발견의 속도가 빨라지는 현상은 활동적인 연구자에게 대체로 긍정적임
해결되지 않은 문제도 남아 있음
AI가 만든 결과의 공로를 누구에게 부여할지
급증하는 결과를 누가 검토할지
고급 미공개 모델을 사용한 경험에서는 지난 몇 달 사이에도 성능이 뚜렷하게 향상됐고, 수년간 관심을 가졌던 질문에서 놀라운 결과 후보가 나오기도 함
Claude Mythos와
10만 달러 규모의 자원이 없어도 일부 새로운 고급 모델에서 이런 변화를 관찰할 수 있음
모델을 단순한
고급 자동완성으로 보거나 발전이 둔화됐다고 판단하는 것은 실제 고급 모델의 능력과 맞지 않음
최근 5개월 동안 특정 문제 유형에서 측정 가능한 큰 진전이 있었으며, 현재까지 뚜렷한 성능 상한의 증거는 없음
무료 AI 검색 결과만 사용하면 고급 모델의 능력을 접하기 어려우며, 고성능 서비스도 약
20달러에 접근할 수 있음
그렇다고 모델이 이미 초지능이거나 AGI가 완성됐다고 볼 수도 없음
고급 연구에서는 어느 지점까지 매우 유용하다가 특정 경계를 넘으면 갑자기 무능해짐
사람은 아직 그 경계를 쉽게 찾을 수 있지만, 경계 자체는 계속 바깥으로 이동하고 있음
모델의 지원을 받는 영역과 인간이 스스로 해결해야 하는 영역의 경계가 움직이고 있으며, 이런 변화는 과학자뿐 아니라 법률가·영업직·배관공을 포함한 모든 직업에 영향을 미치게 됨