AI 60 小時擊穿後量子防線，比特幣量子防禦體系面臨重構

據 Woofun AI 消息，人工智能正在重塑加密貨幣領域的密碼分析範式，Anthropic 利用 Claude 多智能體系統對後量子候選算法 HAWK 及 AES 標準發起的自動化攻擊，揭示了現有防禦體系在量子計算威脅下的脆弱性，這一突破直接警示比特幣社區需加速重構其量子防禦架構。

HAWK 作爲一種基於格結構的加密方案，目前正參與 NIST 開展的第三輪後量子時代簽名方案評估，其核心優勢在於依賴那些已知量子計算方法難以高效解決的數學難題構建安全壁壘。在 Anthropic 介入研究之前，HAWK 已經經歷了長達兩年的公開測試周期，被認爲具備較高的安全性。

然而，Claude Mythos 系統通過深度掃描，發現了 HAWK 底層格結構中一個長期被忽視的對稱性特徵，這一特徵的存在使得攻擊者能夠找到一條更爲高效的祕密密鑰恢復路徑。具體而言，對於專爲密碼分析而設計、參數規模較小的 HAWK-256 版本，其攻擊成本從原先的 2 的 64 次方次運算驟降至 2 的 38 次方次運算，這種數量級的降低意味着原本被認爲安全的參數配置已不再可靠。雖然參數規模更大的版本目前仍難以被直接破解，且該缺陷並非所有基於格結構的加密方案或 NIST 評估中的其他候選方案所共有，但 HAWK 若要維持原有的安全水平，必須大幅增強其參數強度。

Anthropic 估計，其密鑰大小可能需要翻倍才能抵消這一對稱性帶來的風險。目前的 HAWK-512 版本已經採用了 1,024 字節的公鑰和 555 字節的簽名長度，若進一步增加這些數值，將顯著提升存儲需求、增加帶寬消耗並提高驗證成本，從而削弱該方案原有的效率優勢。在區塊鏈環境中，這類額外的開銷會隨着每一筆交易的處理而累積，並由各個節點持續複製，即便某種升級在數學上是完全合理的，但如果其生成的簽名佔用的區塊空間過大，也可能變得不切實際。

Woofun AI 整理數據顯示，Claude 在多智能體研究系統中半自主運行，僅用了 60 小時就完成了對 HAWK 攻擊方法的開發與測試，整個過程消耗了 10 萬美元的 API 算力。這些智能體能夠自主搜索學術文獻、編寫 Python 和 Sage 代碼、進行數學實驗，並共享有價值的測試結果。在某些情況下，某個智能體最初拒絕的攻擊思路會被另一個智能體繼續深入研究，最終帶來突破性進展。人類的角色主要體現在工作組織、工具選型以及結果數學邏輯的核查上。

Anthropic 表示，負責這項工作的專家擁有理論計算機科學背景，但並不具備格密碼學方面的專業技能。雖然 10 萬美元的 API 算力是一筆不小的開支，但對於資金充裕的研究實驗室、安全公司以及技術實力強的對手來說仍是可承受的。過去需要組建一支由稀缺專家組成的團隊才能完成的工作，現在可以通過租用能夠持續進行測試的系統來輔助完成，這種經濟性分析表明，AI 輔助的密碼分析正從精英專屬轉向可規模化部署。

比特幣改進提案 361（BIP-361）詳細闡述了該網絡如何逐步擺脫目前用於保護交易的 ECDSA 和 Schnorr 簽名方案，以應對潛在的量子計算威脅。《金融時報》早前的報道已經介紹了比特幣爲抵禦量子攻擊而規劃的應對步驟：現有的傳統加密貨幣最終將被限制在支持後量子技術的平臺之上，隨後會對那些尚未轉移的資金實施更嚴格的恢復規則。整個過渡過程可能在方案啓動後的五年內完成，不過 BIP-361 目前仍處於草案階段，尚未確定具體的實施時間，具體的替代方案也將通過另一項獨立的提案來制定。

選擇何種替代算法並不僅僅取決於該方案能否抵禦已知的量子攻擊，開發者還必須權衡簽名大小、驗證速度、對硬件錢包的支持程度、區塊空間佔用情況，以及未來研究可能帶來的對參數強度的更高要求。HAWK 這一案例恰恰說明了將"後量子技術"標籤視爲永久性保障所帶來的風險：某種設計在實踐中可能依然無法被破解，但其安全邊際已經下降到足以影響效率或使其不再適合實際應用的程度。因此，比特幣未來的升級方案應當爲進一步的調整留出空間，如果僅僅圍繞某一種看似永久的替代方案來設計錢包和協議規則，那麼一旦該方案日後出現弱點，整個網絡就可能面臨第二次重大的架構遷移。

在第二個項目中，Anthropic 將研究對象轉向了 AES-128，這種加密算法通過十輪重複的數學變換來保護數據。Claude 是在基於七輪運算的研究版本上展開工作的，但該測試假設需要 2 的 105 次方個隨機明文樣本，這樣的條件使得該攻擊方法無法用於破解真實的加密數據。

儘管如此，該系統仍將之前的最佳攻擊效率提升了 200 到 800 倍，具體提升幅度取決於計算成本的衡量標準。它的最主要貢獻是一種名爲"莫比烏斯跨鏈橋"的指紋識別技術，該技術省去了早期方法中所需的 256 種猜測路徑。實現這一成果依賴於一個自主運行的框架，在該框架中多個智能體可以提出假設、進行實驗並淘汰無效結果。整個測試過程產生了大約 10 億個輸出 token，同時消耗了 10 萬美元的 API 使用費用。由於 AES 已經被研究了數十年，這項研究成果遠不止是發現了某些陌生軟件中的明顯編程錯誤，它表明人工智能系統能夠在成熟的數學密碼分析領域貢獻原創性的想法。Claude 僅在一週時間內就得出了關於 AES 的核心洞察，隨後兩名人類研究人員又花了近一個月的時間來驗證這些數學結論，確認該攻擊方法是有效的。

自動化系統可以同時探索許多假設性的想法，而合格的密碼學家則必須逐一驗證每一個看似可靠的結論，判斷其是否真的具有創新性，並評估其實際影響。正是這種從研究產生到最終驗證之間的差距，給安全團隊帶來了巨大壓力。隨着機器生成的研究成果越來越多，其中既會有錯誤，也會有對已有研究成果的重新發現，還有少數真正的安全漏洞。快速篩選這些成果可能需要的投入與生成這些成果的投入相當。

加密貨幣項目需要建立明確的提交渠道、獨立的驗證流程以及嚴格的嚴重性評估標準。未經驗證的模型輸出不應導致協議變更，但完全忽視所有機器生成的報告又有可能讓真正的安全缺陷被遺漏。在相關方案投入部署之前就發現 HAWK 的缺陷無疑是一項有益的成果。NIST 可以在政府機構、錢包服務商以及金融系統依賴這些方案之前，要求開發者提供更強的參數配置，或者直接拒絕這些候選方案。

區塊鏈開發者也可以在各種簽名方案、零知識證明、錢包恢復方法以及跨鏈協議投入大量價值之前，應用類似的測試系統。那些較爲老舊的加密組件同樣需要重新接受嚴格審查。許多加密貨幣項目依賴於一些專用設計，而這些設計所受到的關注程度遠遠低於 AES 以及 NIST 評估中的主流候選方案。攻擊者可以使用類似的工具，而在缺陷被公開後，去中心化的網絡可能需要數月時間才能協調完成升級。發現漏洞的速度和驗證速度都將決定誰能夠佔據優勢。

目前比特幣的量子技術發展路線圖中還存在兩個不確定性：一是具備相應功能的硬件何時能夠問世，二是哪種替代方案能夠在更深入的分析面前依然保持穩定性。相比單純依賴早期看好的方案，應該同時對多種候選方案進行並行測試。評估內容必須涵蓋數學安全性、交易處理效率、驗證成本，以及與各類交易所、託管服務提供商和硬件設備的兼容性。人工智能輔助的研究可以與公開競賽、學術評審以及實施審計相結合，由人類專家在每個研究結果影響到共識機制之前對其真實性進行確認。軟件架構也同樣重要。

如果能夠使用可更換的加密模塊，那麼當新的研究結果削弱了最初採用的加密標準時，錢包和節點就能夠更輕鬆地切換到新的算法。不過隨之而來的就是協調問題：即使有一種安全的替代方案，仍然需要得到開發者、交易所、礦工、節點運營者、硬件製造商以及那些可能多年都不會移動其持有的加密貨幣的用戶們的認可。目前 Anthropic 並未證明人工智能能夠破解比特幣現有的簽名方案，Claude 也並不具備量子計算機的功能，它的作用僅限於在早期階段對擬議中的算法提出挑戰、揭示隱藏的數學結構，並在相關係統投入部署之前降低其安全邊際。

量子計算依然是對現有加密貨幣錢包構成的終極威脅，而人工智能則正在改變比特幣防禦機制的設計與測試環境。因此，HAWK 的研究結果更多地反映了比特幣未來的加密標準應當滿足的要求，而非某一種特定候選方案的優勢。任何替代方案都必須能夠抵禦量子理論、傳統的密碼分析方法，以及那些運算速度遠超人類審查能力的自動化研究系統。