Stell dir vor, du sitzt vor einem Safe, der als unknackbar gilt. Du hast alle Werkzeuge – aber niemand hat sie je in dieser Kombination ausprobiert. Genau das ist passiert, als Anthropic zwei neue kryptanalytische Ergebnisse veröffentlichte. Der Blogbeitrag stammt von einem bekannten Kryptografie-Experten. Er zeigt, wie KI-Modelle wie Claude Mythos – ein noch nicht veröffentlichtes Modell – bestehende Werkzeuge geschickt kombinieren. Es geht nicht um übernatürliche Intelligenz, sondern um gründlichere Anwendung des Bekannten. Das macht die Ergebnisse spannend und unheimlich zugleich.
Die zwei Resultate könnten unterschiedlicher nicht sein. Eines betrifft ein vorgeschlagenes Signaturschema namens HAWK, basierend auf dem Module Lattice Isomorphism Problem (module-LIP). Das andere ist ein Angriff auf eine abgeschwächte Version des AES-Verschlüsselungsstandards. Beide stammen von Claude Mythos, einem internen KI-Modell von Anthropic. Der Autor des Artikels betont: Qualität und Relevanz der Ergebnisse sind sehr unterschiedlich. Das muss man verstehen, bevor man in Panik verfällt.
Der Angriff auf HAWK: Ein echter Warnschuss
HAWK ist kein Standard, sondern ein Vorschlag. Es gehört zur Familie der Post-Quanten-Signaturen – Algorithmen, die gegen Quantencomputer-Angriffe sicher sein sollen. Claude Mythos fand einen Key-Recovery-Angriff. Ein Angreifer kann den geheimen Schlüssel aus öffentlichen Informationen ableiten. Der Angriff ist exponentiell in der Laufzeit, aber er halbiert die Sicherheit in Bits. Das klingt dramatisch – und ist es auch, zumindest für HAWK.
Der Clou: Der Angriff braucht keine neuen mathematischen Entdeckungen. Der Autor schreibt: „Was diesen Angriff wirklich interessant macht – und ehrlich gesagt ein bisschen peinlich für die Fachwelt – ist, dass keine der Zutaten exotisch ist.“ Alle Werkzeuge lagen bereit. Niemand hatte sie in dieser Kombination und mit dieser Gründlichkeit eingesetzt. Genau das können KI-Modelle besonders gut: Sie arbeiten sich durch alle Kombinationen, ohne müde zu werden, und entdecken Muster, die Menschen übersehen.
Der Angriff wurde an einer abgeschwächten Challenge-Instanz von HAWK demonstriert. Die Autoren der ursprünglichen Arbeit hatten diese Instanz für Testzwecke bereitgestellt. In einigen Stunden war die Key-Recovery abgeschlossen. Für die echten Parameter würde der Angriff ebenfalls funktionieren, aber deutlich langsamer – nicht praktikabel, aber nah genug, um das Sicherheitsniveau massiv zu senken. Die Folge: HAWK wird vermutlich nicht standardisiert, da es seinen Hauptvorteil – die Effizienz – verlieren würde, wenn man die Schlüsselgrößen verdoppelt. Das ist ein echter Erfolg für die KI-gestützte Kryptoanalyse.
Der Angriff auf AES: Weniger spektakulär, aber nicht bedeutungslos
Der zweite Angriff betrifft reduziertes AES. AES ist ein Blockverschlüsselungsstandard, der seit 2001 überall eingesetzt wird. Der vollständige AES läuft über 10, 12 oder 14 Runden – je nach Schlüssellänge. Der neue Angriff von Anthropic attackiert eine abgeschwächte Version mit nur 7 Runden. Nüchtern betrachtet: Angriffe auf 7-Runden-AES gibt es schon lange. Der neue Angriff ist eine moderate Verbesserung eines Ergebnisses aus dem Jahr 2013.
Der Autor beschreibt die Zahlen nüchtern: Der Angriff benötigt 2^89 Verschlüsselungsoperationen. Noch unrealistischer ist die Voraussetzung: Man müsste einen legitimen Verschlüssler dazu bringen, 2^105 Verschlüsselungen von ausgewählten Klartexten unter seinem geheimen Schlüssel zu erzeugen. Beides ist in der Praxis völlig unmöglich. Der angebliche Geschwindigkeitsvorteil ist nur auf dem Papier nachweisbar – ob der Angriff tatsächlich schneller laufen würde, ist unklar.
Trotzdem ist das Ergebnis nicht wertlos. Aus wissenschaftlicher Sicht ist jeder Fortschritt, so klein er auch ist, interessant. Der Autor betont: Dies ist ein kleiner Schritt im Verständnis der AES-Struktur, aber kein praktischer Durchbruch. Der eigentliche Wert liegt in der Methodik: KI-Modelle können subtile Verbesserungen an etablierten Angriffen finden, selbst wenn diese marginal sind.
Wie Anthropic zu diesen Ergebnissen kam
Der Blogbeitrag gibt einen erstaunlich transparenten Einblick in den Forschungsprozess. Und der ist, wie der Autor schreibt, „irgendwie witzig“. Es war kein Team von Krypto-Experten, das monatelang das Modell feinjustierte. Stattdessen gaben sie der KI einfache Anweisungen wie: „Finde einen Angriff auf HAWK.“ Dann ließen sie sie arbeiten. Die Prompts waren extrem simpel – fast so, als würde man einem Praktikanten sagen: „Geh und mach was Nützliches.“
Der Autor zitiert einige Prompts aus dem Anthropic-Blog: Bilder von Instruktionen, die im Grunde besagen: „Hier ist die Spezifikation, hier sind die bekannten Techniken – finde einen Angriff.“ Und das Modell lieferte. Es verstand die existierenden Resultate, synthetisierte sie und erweiterte sie zu neuen Angriffen. Ohne detaillierte menschliche Anleitung. Das ist beeindruckend, auch wenn es noch keine Superintelligenz ist. Es zeigt aber: KI kann echte kryptanalytische Arbeit leisten – Arbeit, die bisher nur hochspezialisierten Wissenschaftlern vorbehalten war.
Das Problem der Verifizierbarkeit
Der Autor hat als Forscher selbst Erfahrung mit KI-Modellen. Er berichtet, dass er in den letzten Monaten immer wieder überraschende „Ergebnisse“ von Modellen bekommen hat. Aber dann kommt die Ernüchterung: Nur weil ein Modell ein Ergebnis ausspuckt, heißt das nicht, dass es korrekt ist. KI-Modelle sind hervorragend darin, Ergebnisse zu produzieren, die echt aussehen, aber in die Irre führen. Das ist ein wachsendes Problem.
Für Angriffe wie den auf HAWK ist die Verifikation einfach: Man kann den Code ausführen und prüfen, ob er Schlüssel wiederherstellt. Für subtilere Verbesserungen, wie beim AES-Angriff, ist das schwieriger. Formale Beweise in Lean können helfen, aber solche Beweise hängen davon ab, wie die Theoremaussage formuliert ist. Das erfordert menschliche Experten. Der Autor prognostiziert, dass dieser Bedarf an menschlicher Prüfung den Fortschritt verlangsamen wird – zumindest solange die KI nicht ihre eigenen Beweise überprüfen kann.
Was bedeutet das für die reale Welt?
Die Antwort hängt davon ab, wen man fragt. Für die Nutzer von Kryptografie gibt es zwei gute Nachrichten und eine gemischte. Erstens: Symmetrische Chiffren wie AES sind extrem robust. Der Autor vergleicht sie mit einem Bauern, der einen Traktor in Treibsand zieht und dann mit Zement bedeckt. Die Struktur ist absichtlich chaotisch und schwer zu entwirren. KI mag viele Rechenstunden haben, aber ihr fehlt die revolutionäre Intuition, um solche Systeme grundlegend zu brechen. Und selbst wenn sie diese Intuition entwickelt, könnte sie gleichzeitig bessere Chiffren entwerfen.
Die zweite gute Nachricht: Wir befinden uns mitten in einem historischen Übergang von traditionellen Public-Key-Verfahren wie RSA und ECC hin zu Post-Quanten-Verfahren. Es gibt viele Standards in der Entwicklung – genau der perfekte Zeitpunkt für eine massive neue Kryptoanalyse-Fähigkeit. Wenn KI Schwachstellen in diesen neuen Verfahren findet, können wir sie beheben, bevor sie eingesetzt werden. Im besten Fall gewinnen wir echtes Vertrauen in die Sicherheit dieser Verfahren.
Die gemischte Nachricht betrifft die Public-Key-Kryptografie selbst. Diese basiert auf wenigen, sorgfältig konstruierten mathematischen Problemen. Es gab nie genügend menschliche Forscher, um alle möglichen Angriffe auszuschöpfen. Hier bietet sich viel Raum für KI, um neue Schwachstellen zu entdecken. Das ist beunruhigend, aber auch eine Chance: Wenn KI diese Schwachstellen findet, bevor sie ausgenutzt werden, sind wir besser geschützt.
Für Wissenschaftler ist die Lage eher aufregend. Sie haben nun einen „plastischen Kollegen“ – einen, der über Probleme diskutieren kann, aber noch nicht schlauer ist als sie. Das beschleunigt die Forschung. Offene Fragen bleiben: Wer bekommt die Anerkennung für KI-generierte Resultate? Und wer wird all diese neuen Ergebnisse überprüfen? Der Autor zeigt sich noch nicht alarmiert, aber er warnt: Wer denkt, KI sei nur ein „verherrlichtes Autocomplete“ oder dass der Fortschritt nachlasse, irrt gewaltig.
Abschließend eine ernüchternde Einsicht: Die Ergebnisse von Anthropic sind kein Grund zur Panik, aber ein Weckruf. Sie zeigen, dass KI echte kryptanalytische Arbeit leisten kann – Arbeit, die bisher hochspezialisierten Experten vorbehalten war. Der Autor selbst ist beeindruckt, aber auch nachdenklich. Die kommenden Jahre werden entscheiden, ob KI die Kryptografie revolutioniert oder ob wir sie kontrollieren können. Die Zeit, in der wir uns auf die Langsamkeit menschlicher Forschung verlassen konnten, ist vorbei.
Für alle, die sich fragen, ob sie ihr Bitcoin-Wallet leeren sollten: Der Autor beruhigt. Der HAWK-Angriff betrifft ein nicht standardisiertes Verfahren. AES bleibt für alle praktischen Zwecke sicher. Die eigentliche Botschaft ist eine andere: Wir müssen umdenken. Kryptoanalyse wird schneller, automatisierter und umfassender. Das ist, wenn man genau hinschaut, eher eine Chance. Denn wenn KI die Löcher findet, können wir sie stopfen – bevor die Bösen es tun.
Quelle: blog.cryptographyengineering.com
