واکنش مدیر مهندسی ریپل به حل معمای ۲۵ ساله رمزنگاری با کمک هوش مصنوعی
جِی. آیو آکین‌یله، مدیر مهندسی ریپل، به کشف مهم رمزنگاری با کمک هوش مصنوعی کلود متعلق به شرکت آنتروپیک واکنش نشان داد؛ کشفی که بنا بر گزارش‌ها، معمایی ۲۵ ساله درباره منشأ برخی استانداردهای پرکاربرد رمزنگاری را حل کرده است.
آکین‌یله این یافته‌ها را چشمگیر توصیف کرد و گفت راه‌حل این معما در واقع نسبتاً ساده بوده است.
او در شبکه اجتماعی ایکس نوشت: «اینکه هوش مصنوعی به روشن شدن منشأ بذرهای منحنی بیضوی NIST کمک کرده، نتیجه‌ای واقعاً قابل‌توجه است.» او به این کشف اشاره داشت که پارامترهای موردنظر با استفاده از مولد اعداد شبه‌تصادفی lrand48 و با مقداردهی اولیه بر اساس زمان‌سنج یونیکس تولید شده‌اند.
این دستاورد به منشأ پارامترهای منحنی بیضوی مربوط می‌شود که مؤسسه ملی استانداردها و فناوری آمریکا (NIST) آن‌ها را استاندارد کرده است. این پارامترها مدت‌ها موضوع بحث بوده‌اند و گمانه‌زنی‌هایی درباره احتمال تعبیه درهای پشتی از سوی آژانس امنیت ملی آمریکا (NSA) در آن‌ها مطرح شده بود.
آکین‌یله گفت این کشف شواهدی را فراهم می‌کند که دیگران نیز می‌توانند آن‌ها را بازتولید کنند و در نتیجه، اطمینان درباره منشأ چنین استانداردهای رمزنگاری افزایش می‌یابد.
او همچنین این احتمال را مطرح کرد که هوش مصنوعی بتواند به حل معماهای دیگری در حوزه رمزنگاری کمک کند.
هوش مصنوعی معمای ۲۵ ساله رمزنگاری را حل کرد
شرکت آنتروپیک در گزارش پژوهشی خود در ۱۶ اکتبر اعلام کرد که نسخه داخلی سامانه هوش مصنوعی کلود توانسته است منشأ پنج بذر مورد استفاده در منحنی‌های بیضوی پرکاربرد NIST را در کمتر از نیم ساعت شناسایی کند.
این پنج منحنی عبارت‌اند از P-192، P-224، P-256، P-384 و P-521 که در استانداردهای الگوریتم امضای دیجیتال منحنی بیضوی (ECDSA) به کار می‌روند.
مقادیر اولیه این بذرها برای چندین دهه کنجکاوی پژوهشگران را برانگیخته بود. یکی از دلایل این ابهام آن بود که این مقادیر از سوی آژانس امنیت ملی آمریکا ارائه شده بودند، بی‌آنکه جزئیات کافی درباره منشأ آن‌ها منتشر شود.
این نبود شفافیت نگرانی‌هایی را به وجود آورده بود؛ از جمله اینکه شاید هنگام انتخاب این پارامترها ملاحظات خاصی در نظر گرفته شده باشد تا ضعف‌هایی رمزنگاری در آن‌ها ایجاد شود.
بااین‌حال، کلود دریافت که برای تولید این بذرها از lrand48 استفاده شده است؛ مولد اعداد شبه‌تصادفی نسبتاً ساده‌ای که در کتابخانه‌های قدیمی‌تر زبان برنامه‌نویسی C وجود دارد.
این کشف برای امنیت رمزنگاری چه معنایی دارد؟
نکته مهم این است که این کشف به معنای موفقیت در حمله به الگوریتم ECDSA نیست و نشان نمی‌دهد که ارزهای دیجیتالی استفاده‌کننده از رمزنگاری مبتنی بر منحنی بیضوی با مشکل امنیتی روبه‌رو هستند.
در عوض، این یافته احتمال صحت این فرضیه را که منحنی‌های مشخص NIST عمداً تضعیف شده‌اند، به میزان قابل‌توجهی کاهش می‌دهد.
این پژوهش به معنای روشن شدن تمام جزئیات فرایند انتخاب اولیه پارامترها نیست. آنتروپیک خاطرنشان کرده است که هنوز برخی پرسش‌ها درباره انتخاب نقاط پایه مشخص و دلایل کنار گذاشتن بعضی از منحنی‌های نامزد که از نظر ریاضی امکان‌پذیر بودند، بی‌پاسخ مانده‌اند.
این دستاورد نشان می‌دهد که هوش مصنوعی می‌تواند ابزاری برای پژوهشگران باشد تا باورهای دیرینه درباره سامانه‌های رمزنگاری پرکاربرد را دوباره بررسی و به چالش بکشند.