هوش مصنوعی کلود از آنتروپیک در کمتر از ۳۰ دقیقه معمای رمزنگاری ۲۵ساله آژانس امنیت ملی آمریکا را حل کرد
شرکت آنتروپیک اعلام کرده است که یکی از مدل‌های پژوهشی داخلی هوش مصنوعی کلود توانسته در کمتر از ۳۰ دقیقه مشخص کند آژانس امنیت ملی آمریکا (NSA) چگونه مقادیر اولیه پنج منحنی بیضوی شناخته‌شده مؤسسه ملی استانداردها و فناوری آمریکا (NIST) را تولید کرده است. این یافته به معمایی دیرینه درباره منشأ پارامترهای رمزنگاری پایان می‌دهد.
بر اساس گزارشی که در ۱۶ اکتبر منتشر شده، پاسخ این معما نه یک عبارت محرمانه، بلکه یک مولد استاندارد اعداد شبه‌تصادفی در زبان برنامه‌نویسی C بوده که با مُهرهای زمانی یونیکس مقداردهی اولیه شده است.
این کشف به پارامترهای عمومی منحنی‌ها مربوط می‌شود، نه کلیدهای خصوصی یا اسرار مورد استفاده برای امضای دیجیتال. آنتروپیک این دستاورد را بازسازی تاریخی فرایند تولید پارامترها توصیف می‌کند، نه شکستن رمزنگاری؛ این شرکت همچنین اعلام کرده است که حمله جدیدی شناسایی نشده و دلیلی برای تغییر سامانه‌های فعلی وجود ندارد.
حل معمای ۲۵ساله رمزنگاری آژانس امنیت ملی آمریکا با هوش مصنوعی کلود
مؤسسه NIST در سال ۲۰۰۰، الگوریتم امضای دیجیتال مبتنی بر منحنی بیضوی (ECDSA) و منحنی‌های بیضوی پیشنهادی را در استاندارد امضای دیجیتال FIPS 186-2 گنجاند. در روش‌های تولید این منحنی‌ها، از مقادیر اولیه منتشرشده و الگوریتم SHA-1 برای استخراج پارامترهای منحنی استفاده می‌شد. این روش امکان بررسی و تأیید فرایند ریاضی تولید پارامترها را فراهم می‌کرد، اما منشأ خود مقادیر اولیه را توضیح نمی‌داد.
نبود اطلاعات درباره این منشأ، گمانه‌زنی‌هایی را درباره احتمال تأثیرگذاری آژانس امنیت ملی آمریکا بر انتخاب منحنی‌ها برانگیخته بود.
در سال ۲۰۲۳، فیلیپو والسوردا، رمزنگار، جایزه‌ای برای حل این معما تعیین کرد که پنج مقدار اولیه مربوط به منحنی‌های اول‌مرتبه را هدف می‌گرفت. این اقدام پس از انتشار روایت‌هایی انجام شد که مدعی بودند این مقادیر، هشِ عبارت‌های طنزآمیز انگلیسی مرتبط با جری سولیناس، ریاضی‌دان آژانس امنیت ملی آمریکا، هستند.
آنتروپیک می‌گوید کلود به‌جای این فرضیه، منشأ منحنی‌های P-192، P-224، P-256، P-384 و P-521 را به lrand48 نسبت داده است؛ مولدی قدیمی از نوع هم‌نهشتی خطی که حالت داخلی آن ۴۸ بیت دارد.
کلود به‌جای حدس زدن عبارت‌ها، الگوهای نرم‌افزاری رایج در کتابخانه‌های زبان C در دهه ۱۹۹۰ را بررسی کرد. این مدل مقادیر اولیه منتشرشده را برای یافتن رابطه میان بخش‌های متوالی خروجی تحلیل کرد و ۳۴ ترکیب مختلف از مولدها و برش‌های خروجی را آزمود.
چهار مقدار اولیه مربوط به منحنی‌های بیضوی دودویی، الگویی آشکار داشتند: در هر یک از پنج کلمه ۳۲بیتی آن‌ها، بیت‌های بالایی همواره صفر بودند. این ویژگی با خروجی ۳۱بیتی مولد lrand48 مطابقت داشت. کلود با بررسی همه حالت‌های ممکن برای ۱۷ بیت پنهان و تطبیق خروجی‌های بعدی، حالت‌های داخلی احتمالی مولد را بازیابی کرد.
مقادیر اولیه منحنی‌های اول‌مرتبه، اطلاعات کمتری را در هر بار فراخوانی مولد آشکار می‌کردند. کلود برای بازیابی حالت‌های داخلی از خروجی‌های ناقص، الگوریتم کاهش پایه شبکه لنسترا–لنسترا–لوواس (LLL) را به کار گرفت. پنج مقدار اولیه NIST و پنج مقدار اولیه نمونه در استاندارد ANSI X9.62 با یک روش تولید مشترک مطابقت داشتند: گردآوری بایت‌ها از خروجی عبارت lrand48() >> 23.
اجرای معکوس مولد نشان داد که حالت‌های مقداردهی اولیه با مُهرهای زمانی بین مه ۱۹۹۷ و آوریل ۱۹۹۸ مطابقت دارند. در مورد منحنی P-256، مقدار اولیه منتشرشده در جایگاه ۱٬۸۴۲ یک توالی قرار داشت که تولید آن در ۱۶ اوت ۱۹۹۷ آغاز شده بود.
کلود همچنین توانست فرایند تولید نقطه پایه منحنی P-192 و پنج منحنی نمونه استاندارد ANSI را با استفاده از مولد موجود در بسته محاسباتی FreeLIP بازسازی کند. بااین‌حال، منشأ چند نقطه پایه دیگر همچنان روشن نیست و معمای مقدار اولیه منحنی B-163 نیز حل‌نشده باقی مانده است.
پژوهشگران همچنین نامزدهایی را شناسایی کردند که از فرایند انتخاب کنار گذاشته شده بودند، با وجود آنکه ظاهراً منحنی‌های مناسبی تولید می‌کردند. بنابراین، معیارهای اصلی مورد استفاده برای انتخاب منحنی‌ها همچنان مشخص نیست.
آنتروپیک معتقد است بازسازی این روش مبتنی بر مُهرهای زمانی و امکان تکرار آن، نگرانی‌ها درباره دست‌کاری عمدی را کاهش می‌دهد، هرچند تمام تصمیم‌های تاریخی اتخاذشده در این فرایند را توضیح نمی‌دهد.
این شرکت اعلام کرده است که جایزه خیریه ۳۶٬۸۶۴ دلاری به گروه پژوهشی امنیت اینترنت (ISRG) اهدا خواهد شد. دستاورد عملی این پژوهش، شفاف‌تر شدن منشأ پارامترهای عمومی است؛ نه بازیابی اسرار رمزنگاری و نه اثبات وجود ضعفی در خود الگوریتم ECDSA.