آنتروپیک می‌گوید کلود در ۳۰ دقیقه معمای ۲۵ ساله بذرهای رمزنگاری آژانس امنیت ملی آمریکا را حل کرده است
به گفته شرکت آنتروپیک، یکی از مدل‌های هوش مصنوعی این شرکت موفق شده است معمایی رمزنگاری‌شده را حل کند که به مدت ۲۵ سال ذهن پژوهشگران امنیتی را به خود مشغول کرده بود. کلود منشأ اعداد توضیح‌داده‌نشده‌ای را که در یکی از استانداردهای پرکاربرد رمزنگاری دولت فدرال آمریکا به کار رفته‌اند، به یک تابع نرم‌افزاری معمولی مرتبط دانسته است که با استفاده از مُهرهای زمانی یونیکس در اواخر دهه ۱۹۹۰ مقداردهی اولیه شده بود.
آنتروپیک می‌گوید کلود این نتیجه را در کمتر از ۳۰ دقیقه به دست آورده است. این یافته به تردیدهای دیرینه درباره احتمال تضعیف عمدی پارامترهای منحنی بیضوی ارائه‌شده از سوی آژانس امنیت ملی آمریکا (NSA) می‌پردازد؛ پارامترهایی که مؤسسه ملی استانداردها و فناوری آمریکا (NIST) در سال ۲۰۰۰ آن‌ها را به‌عنوان استاندارد پذیرفت. به گفته آنتروپیک، این نتایج وجود نقص امنیتی را آشکار نمی‌کنند و کاربران نیز نیازی به انجام هیچ اقدامی ندارند.
این معما به الگوریتم امضای دیجیتال منحنی بیضوی یا ECDSA مربوط می‌شود؛ الگوریتمی که برای تأیید اصالت پیام‌های دیجیتال، نرم‌افزارها و تراکنش‌ها کاربرد دارد. رمزنگاران حدود ۲۵ سال درباره چگونگی تولید ثابت‌های مشخصی که در این منحنی‌ها استفاده می‌شوند، پرسش‌هایی مطرح کرده‌اند. از آنجا که آژانس امنیت ملی آمریکا روش تولید این اعداد را افشا نکرده بود، برخی پژوهشگران احتمال می‌دادند که اعداد به‌گونه‌ای انتخاب شده باشند که امکان ایجاد یک درِ پشتی را فراهم کنند.
این نگرانی‌ها صرفاً نظری نبودند. پیش‌تر، جامعه گسترده‌تر رمزنگاری احتمال وجود یک درِ پشتی در الگوریتم Dual_EC_DRBG را شناسایی کرده بود؛ الگوریتمی دیگر که با نهادهای دولتی آمریکا ارتباط داشت. آن ماجرا، حتی بدون اثبات خرابکاری عمدی، تردیدها درباره پارامترهای توضیح‌داده‌نشده در استانداردهای تحت تأثیر آژانس امنیت ملی آمریکا را افزایش داد.
کلود مسئله را به شیوه‌ای متفاوت از تلاش‌های قبلی بررسی کرد. این مدل به‌جای جست‌وجوی یک عبارت محرمانه فرضی، اعداد را برای یافتن الگوهای آماری تحلیل کرد. در جریان این بررسی، کلود مولد اعداد شبه‌تصادفی lrand48 را شناسایی کرد؛ مولدی که در کتابخانه‌های قدیمی زبان برنامه‌نویسی C به‌طور گسترده استفاده می‌شد. سپس مدل وضعیت داخلی این مولد را بازسازی کرد و به مقادیر اولیه‌ای رسید که با مُهرهای زمانی یونیکس در سال‌های ۱۹۹۷ و ۱۹۹۸ مطابقت داشتند.
کلود با بازسازی فرایند اصلی توانست مقادیر بذر منتشرشده را دقیقاً بازتولید کند. آنتروپیک می‌گوید این میزان از دقت، شواهد محکمی درباره چگونگی تولید اعداد فراهم می‌کند. این مدل همچنین مقادیر اولیه شش منحنی قدیمی‌تر را به یک مولد اعداد تصادفی در بسته نرم‌افزاری ریاضی‌ای مرتبط کرد که آرین لنسترا توسعه داده بود.
با این حال، همه پرسش‌ها پاسخ نگرفته‌اند. پژوهشگران نتوانستند منشأ چند پارامتر دیگر منحنی‌ها را توضیح دهند؛ از جمله منشأ یکی از مقادیر بذر و نقاط پایه چهار منحنی مهم NIST. آن‌ها همچنین دریافتند که در فرایند اولیه، برخی گزینه‌ها که ظاهراً می‌توانستند منحنی‌های معتبر تولید کنند، کنار گذاشته شده بودند. با وجود این، هیچ مدرکی پیدا نکردند که نشان دهد این انتخاب‌ها با هدف تضعیف عمدی امنیت انجام شده‌اند.
آنتروپیک می‌گوید این یافته‌ها احتمال صحت فرضیه وجود یک درِ پشتی عمدی را کاهش می‌دهند. این شرکت، پژوهش را نمونه‌ای از کاربرد سامانه‌های هوش مصنوعی برای حل مسائل دیرینه ریاضیات و تحقیقات امنیتی معرفی کرده است؛ حوزه‌هایی که در آن‌ها تشخیص الگوها در مقیاس گسترده می‌تواند ارتباطاتی را آشکار کند که ممکن است از تحلیل دستی پنهان بمانند.
این پیشرفت در شرایطی رخ می‌دهد که بحث گسترده‌تری درباره میزان اعتمادپذیری زیرساخت‌های بنیادی رمزنگاری جریان دارد. شبکه‌های بلاک‌چین، سامانه‌های نگه‌داری دارایی و ارتباطات رمزگذاری‌شده، همگی به سازوکارهای رمزنگاری‌ای متکی هستند که یکپارچگی آن‌ها برای اعتماد کاربران ضروری است. بررسی دوباره استانداردهای قدیمی معمولاً توجه پژوهشگران امنیتی را به خود جلب می‌کند؛ حتی زمانی که این استانداردها ارتباط مستقیمی با دارایی‌های دیجیتال ندارند.
این دستاورد همچنین بحث جداگانه اما مرتبطی را درباره تفاوت ساختار هزینه‌های محاسبات هوش مصنوعی و استخراج سنتی رمزارزها برجسته می‌کند.
ویتالیک بوترین، هم‌بنیان‌گذار اتریوم، در ۱۷ اکتبر مقایسه‌ای منتشر کرد که تفاوت‌های اقتصادی استخراج بیت‌کوین و اجرای استنتاج هوش مصنوعی را نشان می‌داد. به گفته او، هزینه‌های استخراج بیت‌کوین تقریباً به‌طور مساوی میان سرمایه‌گذاری در تجهیزات محاسباتی و برق تقسیم می‌شوند؛ درحالی‌که در استنتاج هوش مصنوعی، سهم اصلی هزینه‌ها به سرمایه‌گذاری در سخت‌افزار اختصاص دارد.
بر اساس جدول هزینه‌های استخراج که بوترین به اشتراک گذاشت، برق ۴۵٫۹ درصد از هزینه برآوردشده تولید هر بیت‌کوین را تشکیل می‌دهد. برق مصرفی مستقیم رایانه‌ها به ازای هر بیت‌کوین ۴۰٬۶۰۰ دلار، معادل ۴۳٫۳ درصد هزینه کل، برآورد شده است. سایر هزینه‌های برق نیز ۲٬۴۰۰ دلار، معادل ۲٫۶ درصد، بوده‌اند. هزینه سرمایه‌ای تجهیزات محاسباتی حدود ۳۷٬۶۰۰ دلار به ازای هر بیت‌کوین، یا تقریباً ۴۰ درصد، برآورد شده که سخت‌افزار، خنک‌سازی، تجهیزات تأمین برق و هزینه تأمین مالی را در بر می‌گیرد. نیروی انسانی، اجاره و سایر هزینه‌ها، باقی‌مانده مجموع هزینه‌ای را تشکیل می‌دهند که حدود ۹۳٬۷۰۰ دلار به ازای هر بیت‌کوین برآورد شده است.
در جدول مربوط به هوش مصنوعی، واحد محاسبه متفاوت است و هزینه‌ها بر حسب دلار به ازای هر GPU در سال بیان شده‌اند. بر اساس این برآورد، حدود ۷۶ درصد از کل هزینه‌ها به سرمایه‌گذاری در تجهیزات محاسباتی اختصاص دارد که مبلغ آن به حدود ۱۹٬۹۰۰ دلار برای هر GPU در سال می‌رسد. برق مصرفی مستقیم رایانه‌ها تنها ۱٬۰۵۰ دلار به ازای هر GPU در سال، معادل ۴ درصد، است. سایر هزینه‌های برق نیز ۲۱۰ دلار، معادل ۰٫۸ درصد، برآورد شده‌اند. هزینه نیروی انسانی، اجاره و سایر مخارج عملیاتی، مجموع هزینه برآوردشده را به ۲۶٬۲۶۰ دلار برای هر GPU در سال می‌رسانند.
این تفاوت مهم است، زیرا در بحث‌های مربوط به مصرف انرژی و آثار زیست‌محیطی، استخراج رمزارز و هوش مصنوعی اغلب در یک گروه قرار می‌گیرند. تفکیک هزینه‌ها از سوی بوترین نشان می‌دهد که چنین مقایسه‌ای، شیوه هزینه‌کرد و واکنش هر صنعت به فشارهای اقتصادی را بیش از حد ساده می‌کند. افزایش شدید قیمت برق فشار بیشتری بر استخراج‌کنندگان بیت‌کوین وارد می‌کند، زیرا انرژی یکی از بزرگ‌ترین هزینه‌های جاری آن‌هاست. در مقابل، فعالان حوزه هوش مصنوعی بیشتر در معرض تغییرات قیمت و دسترسی به تراشه‌های پیشرفته قرار دارند، چرا که سرمایه‌گذاری در سخت‌افزار سهم بزرگ‌تری از هزینه‌هایشان را تشکیل می‌دهد.
این تفاوت هم‌اکنون در نحوه تنظیم قراردادهای اپراتورهای مراکز داده نیز دیده می‌شود. برای نمونه، شرکت تروولف (TeraWulf) در قرارداد اجاره ۲۰ساله خود با آنتروپیک در پردیس داده Justified در ایالت کنتاکی، میزبانی زیرساخت‌های هوش مصنوعی را از مالکیت پردازنده‌ها جدا کرده است. بر اساس این توافق، مشتریان مسئول تأمین سرورها و پردازنده‌ها و ارتقای فناوری هستند و تروولف برق و زیرساخت فیزیکی را فراهم می‌کند. انتظار می‌رود این تأسیسات از حدود ۴۰۱ مگاوات ظرفیت محاسباتی حیاتی پشتیبانی کند و ظرفیت اولیه آن در نیمه دوم سال ۲۰۲۷ آماده بهره‌برداری شود.
کشف رمزنگاری با کمک هوش مصنوعی به‌خودی‌خود رویداد مستقیمی برای بازار ایجاد نمی‌کند، زیرا به استانداردهای تاریخی دولتی مربوط است، نه پروتکل‌های بلاک‌چین یا دارایی‌های دیجیتال. با این حال، این یافته ممکن است توجه بیشتری را به اعتمادپذیری زیرساخت‌های بنیادی رمزنگاری جلب کند؛ موضوعی که به دلیل اتکای بازار رمزارزها به الگوریتم‌های امن، برای این بازار نیز اهمیت دارد. استفاده از هوش مصنوعی برای تحلیل چنین مسائلی همچنین ممکن است توجه‌ها را به ممیزی امنیتی با کمک هوش مصنوعی به‌عنوان ابزاری نوظهور در حوزه گسترده‌تر امنیت سایبری و صنعت دارایی‌های دیجیتال معطوف کند.
جزئیات فنی بیشتر و راستی‌آزمایی مستقل احتمالاً در شکل‌گیری برداشت نهایی از این یافته نقش تعیین‌کننده‌ای خواهند داشت. در گزارش‌های منتشرشده مشخص نشده است که آیا آژانس امنیت ملی آمریکا به این ادعا واکنشی نشان داده است یا خیر.