В конце июля 2026 года в инженерном сообществе активно обсуждаются детали необычного эксперимента исследователей Anthropic. Согласно материалам, опубликованным Саймоном Уиллисоном со ссылкой на репозиторий проекта, инженеры задействовали экспериментальную модель Claude Mythos для поиска математических дефектов и уязвимостей в криптографических алгоритмах HAWK и в усеченной версии стандарта AES.
Главной особенностью этого кейса стал не только сам научный результат, но и характер взаимодействия человека с языковой моделью. Исследователям пришлось преодолевать внутреннее сопротивление ИИ, который изначально считал поставленные математические задачи заведомо неразрешимыми и отказывался продолжать генерацию глубоких гипотез.
Особенности промптинга и роль исследователей
В ходе работы выяснилось, что современные крупные языковые модели при столкновении со сложными криптографическими задачами быстро сдаются и переходят в режим отказа. Чтобы получить практически применимые результаты, авторам эксперимента потребовалось применять специфические и настойчивые формулировки в промптах.
В открытый доступ попали фрагменты инструкций, которыми инженеры подстегивали модель к продолжению работы. Среди них фигурируют указания вроде «почему бы не сделать aes-128 r7, ведь вся суть в том, чтобы найти что-то лучше существующих подходов», а также прямые требования не искать легких путей и выдавать материал, достойный академической публикации.
Технические параметры и экономика эксперимента
Сам процесс потребовал значительных вычислительных и финансовых ресурсов, отражающих масштаб современных фронтир-исследований в сфере безопасности ИИ.
Ключевые факты
Модель | Claude Mythos Preview
Время работы | 60 часов суммарно
Оценка затрат на API | Около 100 000 долларов США
Объекты анализа | Криптографические схемы HAWK и упрощенная версия AES
Практическое значение и реальный масштаб угроз
Авторы исходного исследования и эксперты подчеркивают важную оговорку: найденные математические аномалии и слабости на данном этапе не несут прямой угрозы для современных компьютерных систем и реальных инфраструктур безопасности. Полученные результаты носят исключительно исследовательский характер и показывают принципиальную возможность применения передовых LLM для глубокого криптоанализа.
Для практикующих разработчиков и инженеров по безопасности данный кейс демонстрирует сдвиг в методологии тестирования защищенных систем. Искусственный интеллект перестает быть простым помощником для написания шаблонного кода и начинает привлекаться к поиску неочевидных логических и математических дефектов, хотя для этого по-прежнему требуются огромные вычислительные затраты и жесткий контроль со стороны человека.
Ограничения и дальнейшие шаги
Поскольку речь идет об экспериментальной версии модели и узкоспециализированных тестах, результаты еще предстоит пройти независимую верификацию криптографическим сообществом. На данный момент опубликованы лишь отдельные фрагменты промптов и общие итоги работы репозитория, что оставляет простор для дальнейшего изучения возможностей frontier-моделей в сфере автономного научного поиска.
Источник: Simon Willison https://simonwillison.net/2026/Jul/28/discovering-cryptographic-weaknesses-with-claude/#atom-everything
Datos clave
| Punto | Detalle |
|---|---|
| Fuente | Simon Willison |
| Fecha | 2026-07-28T22:45:37+00:00 |
| Tema | Discovering cryptographic weaknesses with Claude |