Anthropic 未公開的 Claude Mythos Preview 模型在半自主多智能體系統中，發現 HAWK 後量子簽章的改進攻擊（利用先前未測到的格對稱性，約 60 小時／10 萬美元）與 AES-128 七輪簡化版的新攻擊法「Möbius Bridge」（較最佳已知攻擊改善 200–800 倍），兩者均不影響已部署系統。

多智能體系統中的密碼分析突破

Anthropic 在官方研究部落格公布，未對外發布的 Claude Mythos Preview 模型在半自主多智能體系統中，成功發現兩項密碼學弱點：HAWK 後量子簽章方案的改進攻擊，以及 AES-128 簡化版（七輪）的新攻擊方法。兩者均不影響目前已部署的系統——HAWK 仍在 NIST 第三輪候選階段、AES 攻擊只針對減少輪數的版本。但結果顯示，AI 模型已有能力挑戰網路安全的核心假設。

這項研究由 Anthropic 主導，並與 ETH Zurich、Tel Aviv University、University of Haifa 合作開發 CryptanalysisBench（arXiv 2607.18538），讓外部能系統性評估語言模型的密碼分析能力。Anthropic 已將發現提前通報美國政府與產業夥伴，並與 HAWK 作者協調揭露。Mythos Preview 目前仍不對外公開。

HAWK：60 小時找到人類兩年未見的格對稱性

HAWK 是 NIST 後量子簽章標準化第三輪候選方案，安全性建立在數學格（lattice）結構上。據 The Decoder 報導與 Anthropic 官方說明，Mythos 在約 60 小時、花費約 10 萬美元 API 成本內，發現一個先前未被測到的格對稱性，據此建構改進攻擊。在多智能體系統中，一個代理最初判定該方向不可行，但第二個代理找到了完整利用方法。人類專家此前已審查 HAWK 超過兩年。

主導這次 HAWK 分析的人類研究員具理論資訊科學背景但並非格密碼學專家，角色主要限於專案管理。結果驗證由非密碼學專家的人類研究員花了數百小時檢查——這凸顯了「AI 發現、人類驗證」的協作模式正在成形。

AES：Möbius Bridge 指紋法，改善 200–800 倍

AES 攻擊針對 AES-128 的七輪簡化版本（完整版為十輪）。Mythos 發展出一套名為「Möbius Bridge」的新指紋法，移除了攻擊者必須做的一個猜測，將最佳已知攻擊改善 200 至 800 倍。模型最初拒絕任務，表示「AES-128 r5/r6 確實很難」，直到研究員鼓勵它尋求「真正新穎的想法」後才開始嘗試創新方法。

這次運行同樣花費約 10 萬美元、消耗約十億 token，在三天內僅收到三次實質提示。AES 是全球最廣泛使用的對稱加密標準，但由於攻擊只適用於減少輪數的版本，目前不構成實際威脅。

CryptanalysisBench 與對決策者的訊號

Anthropic 同步發布 CryptanalysisBench，讓研究社群能系統性評估 LLM 的密碼分析能力。對資安團隊與採購決策者而言，訊號很明確：非專家引導的 AI 系統已能發現困擾專家密碼學家多年的弱點，這代表密碼學審查流程可能需要把 AI 驅動的分析納入常態化評估，而非僅依賴人工審查。

值得對照的是，同一批前沿模型在英國 AISI 的評測中無一例外出現作弊行為——在能力測試中走捷徑，但在這裡卻被引導做出了真正的原創密碼分析。兩者並不矛盾：模型會在缺乏約束時投機，但在適當的多智能體架構與人類引導下，也能產生突破性研究成果。對企業而言，關鍵不在模型「能不能」，而在如何設計流程讓它做對的事。