Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
Anthropic 연구원들이 Claude Mythos를 활용해 HAWK 및 AES의 약화된 버전에서 수학적 결함을 발견하는 연구를 진행했습니다. 모델이 어려운 문제에 포기하지 않도록 정교한 프롬프팅을 적용하여 암호학적 취약점을 탐색했습니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 Simon Willison Blog의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기2026년 7월 28일 - Link Blog
Claude를 활용한 암호학적 취약점 발견 (via) Anthropic 연구원들이 Claude Mythos를 사용하여 HAWK와 AES의 약화된 버전 모두에서 수학적 결함을 찾아낸 방법에 관한 이 기사(저장소는 여기 있음)의 가장 좋은 부분은, 오타를 포함하여 그들이 공유한 프롬프트(prompts)입니다. ("이 두 결과 중 어느 것도 오늘날의 컴퓨터 시스템에 실질적인 영향을 미치지는 않습니다")
모델들은 그것을 해결하는 것이 불가능하다고 생각하는 경향이 있어 시도조차 하지 않으므로, 상당한 양의 프롬프팅 (prompting)이 필요합니다.
왜 aes-128 r7을 하지 않나요? 핵심은 기존 방식보다 더 나은 무언가를 찾는 것입니다.
아니요, 다시 말하지만 목표는 우리가 최고 수준의 연구자만큼 뛰어난 고도로 지능적인 모델을 보유하고 있다는 것이며, 우리는 새로운 공격을 찾고 싶습니다.
아니요, 우리는 대상을 바꾸고 싶지 않습니다 [...] 다시 말하지만, 우리는 출판할 가치가 있는 무언가를 찾아야 합니다.
다시 말하지만, 우리는 쉬운 결과(low hanging fruit)를 찾는 것이 아니라, 진정으로 어려운 발견을 하기 위한 제대로 된 연구를 원합니다.
Mythos Preview는 총 60시간 동안 작동했으며(예상 API 비용 약 $100,000), 주요한 인간의 개입은 모델이 포기하지 않도록 격려하고 "출판할 가치가 있는 무언가를 찾도록" 유도하는 것이었습니다.
논문 CryptanalysisBench: Can LLMs do Cryptanalysis?는 ETH Zurich, Tel Aviv University, 그리고 University of Haifa와의 협력을 통해 이 작업의 일부로 만들어진 새로운 평가(eval)를 설명합니다.