ကျွန်ုပ်တို့သည် crypto ကဏ္ဍတွင်လုံခြုံရေးအားကောင်းစေရန် Claude AI မော်ဒယ်ကိုမည်သို့အသုံးပြုနိုင်သည်ကိုပြသသည့် Anthropic မှသုတေသနအသစ်ကိုကျွန်ုပ်တို့ချိုးဖျက်ထားသည်။
မနုဿသုတေသီများ cryptanalytic attacks နှစ်ခုကို ရှာဖွေတွေ့ရှိရန် Claude Mythos Preview model ကို အသုံးပြုခဲ့သည်။ Post-quantum HAWK ဒစ်ဂျစ်တယ်လက်မှတ်အစီအစဉ် ar on တစ်ခုeduced-round AES-128 မူကွဲ. ရလဒ်များသည် ထုတ်လုပ်မှုစနစ်များကို မထိခိုက်စေဘဲ အသုံးချဆော့ဖ်ဝဲလ်အတွက် အပြောင်းအလဲများ မလိုအပ်ကြောင်း ကုမ္ပဏီက အလေးပေးပြောကြားခဲ့သည်။
Hot topic- Bitcoin Treasury Hyperscale သည် Indefinite Hold Pledge ဖြစ်သော်လည်း ၎င်း၏ BTC ၏ 9% ကို ရောင်းချသည်။
“ ဒါတွေက သိသာထင်ရှားတဲ့ သုတေသန တိုးတက်မှုတွေပဲ၊ ဒါပေမယ့် ဒီနေ့ခေတ် စနစ်တွေအပေါ် လက်တွေ့ကျတဲ့ သက်ရောက်မှု မရှိပါဘူး။ ရလဒ်နှစ်ခုစလုံးက AI မော်ဒယ်တွေဟာ ကျွမ်းကျင်သူအဆင့်မှာ cryptography သုတေသနကို လုပ်ဆောင်နိုင်စွမ်းရှိကြောင်း ပြသနေပါတယ်” ဟု Anthropic မှ ပြောကြားခဲ့သည်။
လေ့လာမှုနှစ်ခုတစ်ခုစီသည် အကြမ်းဖျင်းအားဖြင့် ဒေါ်လာ 100,000 ကုန်ကျသည်။ API ခရက်ဒစ်များ. HAWK တိုက်ခိုက်မှုကို ရှာဖွေခြင်း၊ တီထွင်ခြင်းနှင့် အတည်ပြုခြင်းတို့သည် နာရီ 60 ခန့် ကြာသည်။ AES ရလဒ်ကို အတည်ပြုရန် သုတေသီသည် နာရီပေါင်းများစွာ အချိန်ယူခဲ့ရသည်။
မာတိကာ
HAWK နှင့် AES တွင် Claude Mythos တွေ့ရှိခဲ့ရာ နာရီ 60 နှင့် $100,000 ကုန်ကျစရိတ်များ
HAWK သည် NIST ၏ ယှဉ်ပြိုင်မှုအောက်တွင် ကွမ်တမ်ဒစ်ဂျစ်တယ်လက်မှတ်စံနှုန်းသတ်မှတ်ခြင်းအတွက် ကိုယ်စားလှယ်လောင်းတစ်ဦးဖြစ်သည်။ Claude Mythos အစမ်းကြည့်ရှုမှုတွင် HAWK ၏ သင်္ချာပုံသဏ္ဍာန်တွင် ယခင်က အသုံးမပြုသော အချိုးညီမှုကို တွေ့ရှိခဲ့ပြီး သော့ပြန်လည်ရယူခြင်းကို အရှိန်မြှင့်ပေးခဲ့သည်။
- HAWK-256 အတွက်၊ သော့အပြည့်ပြန်လည်ရယူခြင်း၏မျှော်မှန်းကုန်ကျစရိတ်သည် 2^64 မှ 2^38 လည်ပတ်မှုသို့ကျဆင်းသွားသည်။
- HAWK-512 နှင့် HAWK-1024 အတွက်၊ တိုက်ခိုက်မှုသည် လက်တွေ့တွင် မအောင်မြင်နိုင်ပါ။
မနုဿ တူညီသောလုံခြုံရေးအဆင့်ကိုထိန်းသိမ်းထားရန် HAWK သည် ၎င်း၏သော့အရွယ်အစားများကို အကြမ်းဖျင်းအားဖြင့် နှစ်ဆလိုအပ်မည်ဖြစ်သည်—အစီအစဥ်၏အားသာချက်များထဲမှတစ်ခုဖြစ်သည်- ကျစ်လစ်သိပ်သည်းမှုကို အားနည်းစေသည်။ သုတေသီများက ရလဒ်သည် အခြား NIST ကိုယ်စားလှယ်လောင်းများထံ မလွှဲပြောင်းဘဲ ရာဇမတ်ကွက်ကို အခြေခံသည်ဟု မဆိုလိုပါ။ post-quantum cryptography ပျက်သွားပြီ။
သီးခြား၊ Anthropic မှ Claude Mythos Preview မှ ပြောကြားရာတွင် ခေတ်မီဒက်စတော့ကွန်ပျူတာပေါ်တွင် တစ်နာရီအတွင်း သော့ကို ပြန်လည်ရယူနိုင်သည့် Korean LEA block cipher standard ၏ 13 ကြိမ်တိုက်ခိုက်မှုကို တွေ့ရှိခဲ့သည်။ ဗားရှင်းအပြည့်အစုံသည် 24 ကြိမ်အသုံးပြုထားသောကြောင့် ဤရလဒ်သည် လက်ရှိစနစ်များအတွက် ချက်ချင်းအန္တရာယ်မရှိပါ။
Crypto အတွက် အဘယ်ကြောင့် ဤအရာသည် အရေးကြီးသနည်း- AI သည် Cryptanalysis ကို အရှိန်မြှင့်ပေးသော်လည်း စနစ်များကို မချိုးဖျက်ပါ
မနုဿ၏ရလဒ်များ နယ်စပ်၏ အလားအလာကို ပြသပါ။ AI မော်ဒယ်များ cryptography ခွဲခြမ်းစိတ်ဖြာမှုအတွက်။ ကုမ္ပဏီသည် တွေ့ရှိချက်များကို အယ်လဂိုရီသမ် ရေးသားသူများထံ ထုတ်ဖော်ခဲ့သည်။ အမေရိကန် အစိုးရ အေဂျင်စီများနှင့် လုပ်ငန်း မိတ်ဖက်များ ကြိုတင်၍ HAWK အတွက်၊ Anthropic သည် ဇွန်လတွင် အစီအစဉ်ဖန်တီးသူများအား အကြောင်းကြားခဲ့ပြီး NIST ၏ စာပို့စာရင်းဖြင့် ထုတ်ပြန်သည်—တာဝန်ရှိထုတ်ဖော်မှုအလေ့အကျင့်များကို လိုက်နာဆောင်ရွက်ခဲ့သည်။
crypto လုပ်ငန်းအတွက်၊ ၎င်းသည် ၎င်းတို့ကို အသုံးမပြုမီတွင် AI သည် cryptographic algorithms များကို စမ်းသပ်ရန်အတွက် အဓိကကိရိယာတစ်ခုဖြစ်လာကြောင်း အချက်ပြမှုတစ်ခုဖြစ်သည်။ သို့သော် မော်ဒယ်စွမ်းရည်များ ကြီးထွားလာသည်နှင့်အမျှ၊ ဝေဖန်ပိုင်းခြားနိုင်သည့် အားနည်းချက်များကို တာဝန်ယူထုတ်ဖော်ရန် ချဉ်းကပ်မှုအသစ်များ လိုအပ်မည်ဖြစ်သည်။ Anthropic ၏ တွေ့ရှိချက်များသည် ခေတ်မီစနစ်များကို လက်တွေ့ကျသော ကိရိယာများမဟုတ်ဘဲ သုတေသနရလဒ်များဖြစ်ကြောင်း သုတေသီများက အလေးပေးပြောကြားခဲ့သည်။
ပိုပြီးဖတ်ပါ: Rogue AI သည် သင်၏ Crypto ကို ခိုးယူနိုင်ပါသလား။ OpenAI Scare တွင် ရင်းနှီးမြုပ်နှံသူများ အဘယ်ကြောင့် သတိပေးချက်ရှိသနည်း။
CryptanalysisBench နှင့် AI သုတေသန၏အနာဂတ်
ဘာသာစကားမော်ဒယ်များ၏ cryptanalytic စွမ်းရည်များကို အကဲဖြတ်ရန် Anthropic မှ သုတေသီများနှင့်အတူ ETH▲$1,761.17 Zurich၊ Tel Aviv တက္ကသိုလ်၊ University of Haifa နှင့် TU Berlin တို့က CryptanalysisBench စံနှုန်းကို မိတ်ဆက်ခဲ့သည်။ ၎င်းတွင် အဓိကအားဖြင့် NIST ပြိုင်ပွဲများမှ cryptographic primitives မိသားစုခြောက်စုတွင် လုပ်ဆောင်စရာ ၁၉၁ ခု ပါဝင်သည်။ မော်ဒယ်များသည် အားနည်းချက်များကို ရှင်းပြရန် တောင်းဆိုရုံသာ မဟုတ်ဘဲ- ၎င်းတို့သည် တရားဝင်အတည်ပြုချက်ကို ကျော်လွန်သည့် အလုပ်လုပ်သည့် တိုက်ခိုက်ရေး script ကို တင်ပြရမည်ဖြစ်သည်။
စာရေးဆရာများအဆိုအရ၊ စမ်းသပ်ထားသောနယ်နိမိတ်ပုံစံငါးခုသည် အဆင့်တစ်အလုပ်များ၏ 65% မှ 86% ကိုဖြေရှင်းနိုင်ခဲ့သည်။ Claude Mythos 5 က 85.7% ရမှတ်ဖြစ်ပြီး အညံ့ဆုံးစမ်းသပ်ထားတဲ့ AI assistant က 65.3% ရခဲ့ပါတယ်။ ထုတ်ဝေခြင်းမရှိသော လက်တွေ့ကျသောတိုက်ခိုက်မှုများ အပြည့်အ၀ရှိသော အစီအစဉ်များတွင် ရလဒ်များသည် များစွာနိမ့်ကျခဲ့သည်—မော်ဒယ် 9% ထက် မကျော်လွန်ပါ။
ပိုမိုသိရှိရန်: AI တိုကင်များပြီးနောက် ကြီးမားသော Crypto ဇာတ်ကြောင်းသည် အဘယ်နည်း။ H2 2026 တွင် ကြည့်ရှုရန် ထိပ်တန်းကဏ္ဍများ