C’è un momento, nella storia di ogni tecnologia, in cui una promessa smette di essere astratta e diventa realtà misurabile. Per l’intelligenza artificiale applicata alla crittografia, quel momento sembra essere arrivato. Anthropic ha annunciato che il suo modello Mythos ha individuato debolezze matematiche in due algoritmi crittografici importanti, tra cui HAWK, un candidato allo standard per la crittografia post-quantistica. La conseguenza più clamorosa è che, poche ore dopo l’annuncio, l’autore di HAWK ha ritirato il proprio algoritmo dalla competizione. Un fatto che merita attenzione, senza tuttavia cadere nell’entusiasmo facile.
HAWK era uno schema di firma digitale progettato per resistere agli attacchi dei futuri computer quantistici, e aveva già superato due round di valutazione del NIST, l’ente statunitense che coordina la standardizzazione crittografica. La sua sicurezza si fondava sulla difficoltà di un problema matematico chiamato Lattice Isomorphism Problem. In circa sessanta ore di lavoro e con un costo di calcolo di circa centomila dollari, Mythos ha individuato una simmetria mai sfruttata prima, riuscendo a dimezzare di fatto la robustezza delle chiavi. Per ripristinare lo stesso livello di sicurezza occorrerebbe raddoppiare la dimensione delle chiavi, operazione che renderebbe HAWK meno competitivo rispetto ad alternative già disponibili come ML-DSA.
Il secondo risultato riguarda AES, il cifrario simmetrico più studiato al mondo, quello che protegge le comunicazioni quotidiane di miliardi di persone. Qui Mythos ha migliorato un attacco su una versione semplificata a sette round anziché i dieci previsti, introducendo una tecnica battezzata Möbius Bridge che accelera il processo tra le duecento e le ottocento volte. È bene sottolineare che nessuno di questi risultati compromette i sistemi realmente in uso oggi. Si tratta di versioni indebolite, usate proprio per la revisione adversariale, e gli attacchi resterebbero impraticabili al di fuori del laboratorio.
Vale la pena osservare, come ha fatto notare il professor Matthew Green, che l’aspetto più rilevante non è l’invenzione di matematica nuova, ma la capacità di combinare strumenti già noti che nessuno aveva pensato di mettere insieme. Ed è precisamente qui che si intravede la traiettoria futura. Un anno fa questi modelli non riuscivano ad attaccare i cifrari più elementari; oggi trovano falle sfuggite ad anni di revisione umana. La cautela resta doverosa, perché chi produce questi strumenti ha interesse ad enfatizzarne i meriti, e non sappiamo se metodi convenzionali fossero già vicini agli stessi risultati. La direzione appare comunque chiara. Molti cifrari poco esaminati potrebbero nascondere debolezze dormienti, e la comunità dovrà presto affrontare un nodo delicato, ossia cosa fare quando un modello scoprirà vulnerabilità dall’impatto immediato e reale.
Per approfondire: link all’articolo originale
