← Новости

Модель Anthropic раскрывает тайну АНБ за полчаса: риски для корпоративной криптографии

Модель Anthropic раскрывает тайну АНБ за полчаса: риски для корпоративной криптографии
© The Value Engineering 2026

Устаревшие криптографические допущения, на которых десятилетиями строилась корпоративная инфраструктура, рушатся под натиском вычислительной мощности передовых моделей: модель Claude от Anthropic менее чем за полчаса разрешила криптографическую загадку АНБ, над которой эксперты бились 25 лет.

Еще в 2000 году NIST стандартизировал несколько кривых в стандарте ECDSA — наиболее распространенном фреймворке для цифровых подписей на эллиптических кривых. Национальное агентство безопасности предоставило начальные значения (seed-параметры), использованные для генерации этих кривых, без каких-либо объяснений. Четверть века этот дефицит прозрачности подпитывал подозрения в профессиональном сообществе насчет потенциальных бэкдоров, привлекая внимание энтузиастов и стимулируя выплату денежных вознаграждений. Даже покойный сотрудник АНБ Джерри Солинас предполагал, что исходные параметры представляют собой хэш шутливой фразы, но эта гипотеза в итоге не подтвердилась.

Модель Claude справилась со всей задачей менее чем за 30 минут, установив, что параметры происходят из функции «lrand48» — простого генератора случайных чисел на языке Си, инициализированного с помощью временной метки Unix в период с мая 1997 по апрель 1998 года. Система выявила структурную закономерность, поскольку «lrand48» выдает всего 31 бит, из-за чего старшие биты в некоторых параметрах систематически оказывались нулевыми.

Claude справилась со всей задачей менее чем за 30 минут.

По заявлению Anthropic, такое детерминированное происхождение делает намеренное внедрение бэкдоров значительно менее вероятным, чем предполагалось десятилетиями спекуляций. После завершения задачи компания передает денежное вознаграждение в размере 36 864 долларов напрямую организации Internet Security Research Group.

Этот прецедент наглядно демонстрирует, как быстро автоматизированный машинный интеллект способен устранять исторические криптографические неопределенности, ранее требовавшие лет работы специалистов по криптоанализу. Инженерные команды, опирающиеся на устаревшие параметры и непрозрачное архитектурное наследие, сталкиваются с прямой операционной уязвимостью, поскольку автоматизированные злоумышленники применяют аналогичные скорости диагностики. Организациям необходимо провести аудит базовых криптографических библиотек, чтобы удостовериться, что используемые зависимости выдержат высокоскоростной автоматизированный реверс-инжиниринг.

Источник: The Decoder