AI 快讯MiniMax让AI下场破译密码
行业快讯

MiniMax让AI下场破译密码

2026-11-22T15:06:51.916Z
MiniMax让AI下场破译密码

MiniMax称内部模型MIM已攻破多项历史候选密码方案,并把部分理论攻击压缩至秒级执行。成果值得重视,但尚不能等同于通用密码系统被破解。

MiniMax公布一批AI自动密码分析成果

MiniMax在11月22日披露,其最新内部研究模型MIM已对多项历史密码竞赛候选方案、同行评审论文方案和公开数学挑战完成自动化密码分析,并发现多个此前未公开的构造或实现缺陷。

自动化密码分析是指利用模型、符号计算和程序验证工具,自动寻找密码算法中的结构弱点,并把弱点转化为可执行攻击。 MiniMax此次给出的结果不只是让模型复述已有论文,而是声称MIM能够提出新的攻击路径、编写验证程序,再通过实际运行确认碰撞、伪造或密钥恢复是否成立。

这批结果最值得关注的地方,是部分攻击已经从纸面复杂度变成了秒级或分钟级程序。按照MiniMax公布的数据,MIM对SHA-3历史候选算法Waterfall-256构造的碰撞攻击,单核运行只需0.045秒;对后量子候选方案LOCKER的攻击,则把原本约42 PB规模的矩阵问题压缩到58 MB,并在2秒内恢复共享密钥。

但“攻破密码算法”在这里必须加上限定词。MiniMax测试的主要是未被标准化的历史候选算法、研究论文中的实验性设计和公开挑战参数,并不是正在大规模部署的AES、RSA或SHA-256;碰撞、密文伪造、等价私钥恢复和完整密钥恢复,也代表不同级别的安全失效,不能混为一谈。

MiniMax内部模型MIM自动分析密码方案,并生成攻击思路、验证代码与运行结果的流程示意图

MIM究竟攻破了什么

MIM是MiniMax尚未对外提供的内部研究模型,目前官方没有公布其参数规模、训练数据、推理成本和完整系统架构。已公开的信息主要集中在攻击结果、模型推理轨迹、技术报告和概念验证代码,因此外界可以检查部分结论,却暂时无法完整复现“模型如何独立找到攻击”的全过程。

MiniMax把测试对象分为三类:历届NIST标准化竞赛候选算法、密码学顶会与顶刊论文方案,以及公钥密码研究中的公开数学挑战。三类任务分别考验模型寻找算法结构缺陷、审查安全证明边界和优化实际求解程序的能力。

| 对象 | 方案或挑战 | MIM报告的结果 | 公布的运行数据 | 结果性质 | |---|---|---|---:|---| | SHA-3历史候选 | Waterfall-256 | 构造首个实用碰撞攻击 | 单核约0.045秒 | 找到两组产生相同摘要的输入 | | SHA-3历史候选 | Blender-256 | 对完整轮数实现碰撞攻击 | 官方未披露统一耗时 | 全轮碰撞 | | 后量子候选 | LOCKER | 恢复共享密钥 | 数据规模由约42 PB降至58 MB,约2秒完成 | 密钥恢复 | | 后量子候选 | ROLLO-I | 从公钥恢复等价私钥 | 约6秒 | 等价私钥恢复 | | 认证加密方案 | COLM | 构造不需要解密查询的伪造攻击 | 官方未披露统一耗时 | 认证密文伪造 | | 后量子签名方案 | SBC-VOLE | 从一个已知签名恢复完整私钥 | 约0.06秒 | 私钥恢复 | | 低延迟分组密码 | ARADI | 将实用密钥恢复攻击扩展至8轮 | 从此前5轮提升到8轮 | 刷新攻击轮数 | | TII McEliece公开挑战 | 高阶挑战实例 | 恢复94个实例的密钥,其中55个此前没有公开解 | 相对既有纪录快6180至43400倍 | 公开参数求解 | | 后量子签名 | HAWK | 下调部分参数的安全强度估计 | 下调9.3至23.8比特 | 安全参数重估 |

这些数字中,LOCKER的内存压缩最具冲击力。42 PB约等于4200万GB,而58 MB连一部普通手机应用的体积都算不上,两者相差超过7亿倍;如果技术报告中的问题建模、参数选择和复现条件均成立,这说明MIM找到的不是普通代码优化,而是利用了原方案没有充分处理的代数结构。

Waterfall-256的0.045秒碰撞同样具有实际意义。哈希碰撞是指找到两个不同输入,使它们产生完全相同的哈希输出。 对一个以抗碰撞为目标的哈希候选方案来说,碰撞从理论可能变成单核瞬间完成,意味着其安全目标已经实质失效,而不只是安全裕量减少几轮。

SBC-VOLE的结果则展示了另一类风险。密钥恢复攻击是指攻击者从公开信息或少量合法样本中直接推导出私钥或等价密钥。 MiniMax称MIM只需要一个已知签名,便能在0.06秒内恢复完整私钥;如果攻击前提与论文设定一致,这比单纯伪造一次签名更严重,因为攻击者之后可以持续生成看似合法的签名。

真正的突破不是“大模型会做密码题”

这项工作的核心价值不在于MIM背出了多少密码学知识,而在于模型把数学推理、程序生成、实验反馈和底层优化串成了闭环。传统语言模型可以提出听起来合理的攻击,但密码分析不接受“基本正确”:一个符号写错、一个概率估计失真或一个边界条件遗漏,最终程序就无法产生碰撞或恢复密钥。

MiniMax展示的系统更接近一名能够调用工具的研究智能体。模型先阅读算法规范和安全证明,寻找异常结构;随后把猜想写成求解器、搜索程序或概念验证代码;程序运行失败后,模型再根据内存占用、搜索空间和中间输出修改攻击路径,直到得到可验证结果。

这种闭环也解释了为什么MIM可能在冷门算法上超过人类审查。人类研究者往往先套用差分分析、线性分析、代数攻击等成熟框架,而模型可以批量尝试大量低概率组合,再利用程序反馈快速淘汰错误方向。它并不一定拥有更深的密码学直觉,但可能拥有远高于人工流程的搜索吞吐量。

| 评估维度 | 传统人工密码分析 | 普通聊天模型 | MIM式自动分析系统 | |---|---|---|---| | 文献与规范阅读 | 准确但速度有限 | 快速,但容易遗漏约束 | 可批量阅读并提取假设 | | 新攻击假设 | 依赖专家经验 | 能生成想法,但幻觉率高 | 通过运行结果持续筛选 | | 代码验证 | 研究者手工完成 | 可生成代码,但未必可运行 | 自动生成、执行和修正 | | 工程优化 | 依赖专门实现经验 | 通常停留在伪代码 | 可同时调整算法与底层实现 | | 结论可信度 | 依赖同行评审和复现 | 单独输出不可采信 | 仍需外部复现,但可附PoC证据 |

MIM对TII McEliece挑战的结果尤其能说明“数学结构加工程优化”的组合。McEliece密码体系是一类基于纠错码困难问题构建的公钥密码方案,其安全性依赖从公开生成矩阵中恢复隐藏码结构的困难性。 MiniMax称其系统恢复了94个挑战实例的密钥,其中55个此前没有公开解,并在部分实例上将速度提高到既有纪录的6180至43400倍。

数万倍加速不应简单理解为模型的算力比其他团队高数万倍。密码求解中的跨数量级提升,通常来自更好的问题变换、更小的搜索空间、更紧凑的数据表示或更适合目标硬件的实现;如果比较双方使用的算法、CPU核心数、内存、预计算成本和成功概率不同,单一倍数也可能放大实际差距。

这还不是一次无争议的“世界纪录”

MiniMax目前公布的是厂商研究结论,而不是已经完成广泛独立复现的密码学共识。官方已经在MiniMax Research代码仓库发布技术材料和验证代码,这比只给跑分截图更有价值,但社区仍需要核对攻击前提、参数规模、硬件环境、成功概率以及与历史工作的比较口径。

CryptanalysisBench是此次研究采用的重要基准之一。CryptanalysisBench是一个用于评估语言模型密码分析能力的测试集,覆盖AES、SHA-3、轻量级密码和后量子密码等NIST历史标准化竞赛条目。 其Tier 1收录49个已有实用攻击的方案,主要用于测试模型能否重建已知结果;Tier 2则包含135个经过公开审查但没有已知实用攻击的方案,并设置生产强度算法作为控制对象。

基准污染仍然是评价MIM能力时最难排除的问题。密码学论文、竞赛邮件列表、个人实现和未正式发表的攻击笔记可能存在于训练语料中,即使公开论文没有完整攻击,模型也可能组合多个零散线索,因此“此前没有公开攻击”不自动等于“模型从零独立发现”。

盲测设计可以降低记忆已有答案的可能性,却不能完全解决训练数据不透明的问题。真正有说服力的验证方式,是让模型分析发布时间晚于训练截止日期的新方案,或由独立密码学家临时设计带有隐藏缺陷的算法,并记录模型获得的全部提示、工具权限、尝试次数和人工干预。

人类参与程度也需要进一步量化。研究团队如果为每个方案筛选关键代码、提示模型关注特定结构,并从数百条失败轨迹中挑出成功结果,那么成果更接近“AI增强的密码研究团队”;如果MIM能够从规范文档开始自主选择目标、构建攻击和输出可复现代码,它才更接近真正的自动密码分析系统。

AES、RSA和SHA-256暂时没有因此失守

MiniMax已经明确表示,此次发现不影响现行主流密码标准,包括AES、RSA和SHA-256。这里的“不影响”是指本批实验没有给出针对这些标准的有效新攻击,而不是对它们未来安全性的永久保证。

历史候选算法被攻破,恰恰说明标准化竞赛的筛选机制有效。NIST竞赛通常会公开征集大量候选方案,再经过数年密码分析、性能测试和社区讨论淘汰存在弱点的设计;Waterfall-256、Blender-256、LOCKER和ROLLO-I没有成为最终广泛部署标准,因此这次结果不会直接让浏览器TLS连接、网银系统或手机加密突然失效。

不同攻击目标也不能互相替换。哈希碰撞攻击针对摘要函数,认证密文伪造针对消息真实性,密钥恢复则直接获取秘密材料;对缩减轮数算法的攻击,证明的是安全余量下降,但未必能攻破完整版本。新闻标题如果把这些结果统一写成“破解现代加密”,会高估实际影响。

RSA还需要单独说明其长期风险。RSA当前主要受密钥长度、实现质量和未来大规模容错量子计算影响,而MiniMax此次没有宣称发现可在现实条件下分解主流RSA模数的新算法,因此这项研究不能被解读为网站证书或现有RSA密钥已被MIM直接破解。

AI可能先改变密码方案的审计流程

MIM短期内最现实的用途不是攻击线上系统,而是成为密码算法进入论文评审和标准化流程前的自动红队。新方案的作者可以先让模型检查参数边界、退化输入、安全证明未覆盖的分支以及参考实现中的内存与随机数问题,再把人类专家的时间集中到更难形式化的部分。

参考实现同样可能成为AI审计的高价值场景。MiniMax称MIM在DRS、RQC-128和LAC-128等方案的参考代码中找到十余处此前未报告的实现缺陷,这类问题未必推翻算法的数学安全性,却可能让真实软件因边界检查、采样偏差或参数处理错误而泄漏密钥。

密码研究的门槛也可能因此重新分层。过去,研究者需要同时掌握抽象代数、概率分析、算法实现和高性能优化;未来模型可以承担一部分文献整理、猜想搜索和实验编码,但决定攻击是否满足密码学定义、比较是否公平、披露是否安全,仍然需要专业研究者负责。

负责任披露是这类模型必须具备的配套机制。MiniMax称相关结果已提前同步给方案作者,并在完成沟通后公开推理轨迹、技术报告和概念验证代码;这种流程应成为底线,因为模型一旦开始批量审查仍在部署的软件,过早公开可执行攻击会把研究优势直接转化为现实风险。

判断:这是强信号,但不是终局证明

MiniMax此次成果是一组值得密码学界认真复核的强信号。0.045秒碰撞、2秒恢复共享密钥、0.06秒恢复私钥,以及55个此前未解的McEliece挑战实例,都比传统“模型在选择题上拿高分”更接近真实科研产出。

MIM仍然不能仅凭这些案例被定义为通用密码学家。内部模型参数没有公开,完整实验预算和失败次数尚不透明,多项纪录仍需第三方复现,而且被测目标集中在历史候选和研究方案,距离自主攻克主流生产级密码标准还有明显距离。

这项工作的行业意义最终取决于可重复性。只要外部研究者能够运行公开代码、得到一致攻击结果,并确认攻击不是依赖隐藏提示或已泄漏答案,那么即使MIM本身永不开放,它也已经证明了一件事:大模型正在从解释密码学论文,跨越到生成可执行的新密码分析结果。

参考来源

相关推荐

查看全部