El reciente anuncio de Anthropic sobre su modelo Claude Mythos Preview ha generado revuelo en la comunidad de seguridad informática al demostrar que una IA generativa puede contribuir directamente al análisis de esquemas criptográficos. Según la empresa, el modelo ayudó a derivar un ataque de recuperación de clave de extremo a extremo contra el esquema de firma HAWK-256, aprovechando una simetría previamente no explotada en la estructura de red subyacente. Además, el mismo proceso permitió acelerar entre 200 y 800 veces un ataque conocido contra siete rondas de AES-128, reduciendo el tiempo de cómputo a aproximadamente tres horas y cuarenta y dos minutos en un servidor de 96 núcleos.
Este resultado no es simplemente una curiosidad académica; pone de manifiesto cómo los grandes modelos de lenguaje, entrenados con vastos corpus de texto y código, pueden ser reutilizados para descubrir patrones matemáticos que permanecen ocultos a los análisis convencionales. En el caso de HAWK-256, la simetría latente que Claude identificó se relaciona con la forma en que los vectores de la red se organizan, lo que permite una reducción significativa del espacio de búsqueda necesario para encontrar una clave válida. Los investigadores de Anthropic destacan que la implementación publicada es reproducible y puede ejecutarse en hardware estándar, lo que baja la barrera de entrada para otros grupos interesados en validar o mejorar el hallazgo.
En cuanto a AES-128, el algoritmo de cifrado simétrico más utilizado en la actualidad, el ataque a siete rondas representa una fracción del total de diez rondas que componen el estándar completo. Aunque romper siete rondas no equivale a romper AES-128 en su forma completa, la aceleración obtenida sugiere que las técnicas basadas en IA podrían ser aplicadas a rondas adicionales mediante refinamientos futuros. Los expertos advierten que, si bien el ataque sigue siendo inviable para escenarios de ataque en tiempo real debido a los recursos computacionales requeridos, la tendencia indica una posible evolución en la forma de evaluar la resistencia criptográfica frente a herramientas de aprendizaje automático.
El descubrimiento también plantea preguntas sobre la responsabilidad de los desarrolladores de modelos de IA al liberar capacidades que podrían ser utilizadas para debilitar esquemas de seguridad. Anthropic ha optado por publicar los detalles técnicos y el código de prueba bajo una licencia que permite la revisión académica, argumentando que la transparencia facilita la detección temprana de vulnerabilidades antes de que sean explotadas por actores malintencionados. No obstante, algunos críticos señalan que la publicación de métodos de ataque acelerados podría reducir el tiempo necesario para que adversarios con recursos significativos reproduzcan y escalen los hallazgos.
Desde una perspectiva más amplia, este episodio ilustra la creciente convergencia entre la inteligencia artificial y la criptografía, dos campos que históricamente han avanzado por caminos separados. Los algoritmos de aprendizaje profundo, al ser capaces de reconocer estructuras complejas en grandes volúmenes de datos, pueden ofrecer nuevas perspectivas en el análisis de algoritmos de hash, firmas digitales y esquemas de cifrado. Simultáneamente, la comunidad criptográfica comienza a explorar cómo diseñar algoritmos que sean resistentes no solo a ataques cuánticos, sino también a aquellos potenciados por IA.
En conclusión, el hallazgo de Claude Mythos Preview no solo muestra una mejora concreta en la eficiencia de ciertos ataques criptográficos, sino que también abre un debate necesario sobre los límites éticos y de seguridad de la IA generativa. Mientras la industria sigue adoptando modelos de lenguaje cada vez más potentes, será esencial establecer marcos de evaluación que consideren tanto el potencial innovador como los riesgos inherentes a su aplicación en dominios tan sensibles como la criptografía.
