声明:文档由AI根据原文生成。
密码分析:衡量大模型科学探索能力的理想试炼场
从网络通信、金融交易到底层基础设施,现代数字世界的安全运转,皆系于密码算法的可靠性。
不同于寻找由编程疏忽导致的常规软件漏洞,密码分析是旨在检验算法安全性的一场“明牌博弈”。现代密码算法的数学原理与实现源码完全公开,其安全边界纯粹由计算复杂度决定;而密码分析要做的,正是直面这些公开的严密代数结构,从中找出能够绕过算力壁垒、大幅降低计算复杂度的底层数学弱点。
这对大模型的深度推理与工程能力提出了极其严苛的双重考验。在密码分析中,模型不能只停留在纸面上的理论推演和复杂度估算,更必须将长达数百步的数学推导,转化为可实际运行的攻击代码,在有限算力下算出最终答案。
这是一条“零容错”的漫长链路:上百步代数推导中错一个正负号,或是几千行代码里偏一个比特,最终输出的都只能是一堆毫无意义的乱码。没有模糊的中间态,跑通代码即证明一切——这种绝对客观的验证标准,使密码分析成为了衡量大模型长程推理与科学探索能力的理想试炼场。
基于这一特性,MiniMax研究团队利用最新内部模型对现代密码方案开展了系统性的自动化密码分析,发掘出多处此前未知的算法构造缺陷,并将多项原本停留在理论层面的攻击推进到秒级至分钟级的高效破解,相关突破主要涵盖三个方向。
攻破NIST竞赛中无已知实际攻击的候选算法
评估大模型是否具备实质性的密码分析能力,核心难点在于分清模型究竟是在复现记忆中的文献知识,还是在进行独立的原创推导。由苏黎世联邦理工学院(ETH Zurich)、Anthropic等机构联合构建的CryptanalysisBench(NeurIPS 2026),为此提供了严格的评测基准。该基准收录了美国国家标准与技术研究院(NIST)四大密码标准化竞赛中的参赛算法,涵盖AES、SHA-3、轻量级密码和后量子密码。其中,Tier 1包含49个已知存在实用攻击的密码方案;Tier 2则收录了142个经过密码学界公开评估、但尚无已知实用攻击的候选方案。
在与原论文一致的环境中,研究团队重点考察了该内部模型在Tier 2未知攻击场景下的表现。复盘其独立解题轨迹发现,该模型已能够直接从底层数学层面剖析并实质性攻克多个NIST候选方案,代表性案例包括:
- Waterfall-256,NIST SHA-3哈希标准化竞赛候选算法:自提交以来,学术界对该算法的分析仅停留在理论复杂度推导,从未真正构造出实际的碰撞消息对;该内部模型在零提示盲测中实现了针对该算法的首个实用碰撞攻击,在单核CPU上仅用0.045秒即可生成其全部输出长度版本下的真实碰撞实例。
- Blender-256,NIST SHA-3哈希标准化竞赛候选算法:自提交以来,学界始终未能攻克该算法的全轮碰撞,而以往的参评模型也只能借助C语言实现的64位字宽问题完成非预期绕过;该内部模型除了能发现此类代码兼容问题外,更直接从底层数学构造上破解了算法本身,在单核CPU上仅用0.36~2.3秒即可找到全轮有效碰撞。
- LOCKER与ROLLO-I,NIST后量子密码标准化竞赛候选方案:面对底层的“秩度量译码”难题,学术界此前尚无针对其完整参数的实际密钥恢复攻击;该内部模型除了能发现原代码的缓冲区问题外,更在修复代码后正面攻克了底层数学难题,将求解矩阵规模从42 PB极限压缩至58 MB,仅用2秒即恢复出共享密钥并攻破LOCKER全部参数集;对于晋级第二轮的ROLLO-I-128,在单核上也仅需约6秒便能从公钥恢复出等价私钥。
除数学构造外,在代码实现层面,该内部模型也在对Tier 2密码算法的源码审计中,独立发现了十余处此前未知的严重实现问题:
- DRS,NIST后量子密码竞赛第一轮格签名方案:其官方实现的验签逻辑缺陷此前未被学界发现;该模型发现其误将逻辑与(&&)写为按位与(&)的代码缺陷,借此直接绕过安全检查,0次查询、仅用0.1~0.8秒即可在全参数集上完成签名伪造。
- RQC-128与LAC-128,NIST后量子密码竞赛第二轮晋级方案:两者的官方参考实现历经两轮公开检验,此前均未报告相关实现缺陷;该模型首次发现并利用RQC-128的随机数采样泄露缺陷,仅用0.41秒即可从密文中直接恢复明文,同时发现LAC-128在解密失败分支中漏拷密文、将未初始化内存哈希进密钥等缺陷,直接破坏了其选择密文安全性。
- KCL、LEDAkem(NIST后量子候选方案)与ISAP(NIST轻量级密码决赛方案):这些方案的官方代码库在此前的学界审计中均未报告相关实现缺陷;该模型独立发现了KCL种子截断与LEDAkem参数宏传错等导致安全强度骤降的问题,以及ISAP、Shamash、QC-MDPC KEM、REMUS-N1、ForkAE等参考实现中的核心轮次跳过、采样污染与内存越界等问题。
对顶会及竞赛优胜前沿密码方案取得新攻击结果
CryptanalysisBench Tier2中的算法主要源于过往标准化竞赛最终落选的候选方案。研究团队进一步将分析范围拓展至近年发表于国际密码学顶会、顶刊的论文及竞赛优胜方案,设计了一套自动化密码分析框架,对这两类高规格密码方案展开了系统性的独立分析。
这些前沿方案往往引入了更新型的代数结构,且原论文通常已针对差分、线性以及代数分析等主流攻击对方案的实际安全强度进行评估,并附有严格的安全下界或者安全归约的证明。面对这些复杂的新型设计,该模型依然能够通过深入的数学推演,识别出原方案中安全性证明的疏漏,或发现人工审查难以覆盖的组合盲区。更重要的是,模型能将这些新发现的理论弱点转化为可执行的攻击程序,在标准安全场景下实际攻破了以下前沿算法:
- COLM,国际CAESAR认证加密竞赛最终优胜方案:该方案历经五年国际严苛评选,具备极高的理论安全强度,最终发表于密码学顶刊Journal of Cryptology 2024。自胜出以来,学术界在标准安全模型下从未发现任何实质性的安全威胁;该内部模型首次发掘出该方案底层代数结构中的隐蔽缺陷,在不依赖任何解密反馈的条件下,构造出全新的认证伪造攻击,仅需2次加密查询即可伪造出新的合法密文。
- SBC-VOLE,密码学顶会ASIACRYPT 2025的高性能后量子数字签名方案:该方案是目前性能优异的新兴后量子签名设计方案,论文给出了严密的安全性证明,此前学界尚未发现针对该方案的实用攻击;该模型发现其为压缩签名尺寸而引入的底层设计存在安全问题,并基于此构造了密钥恢复攻击;在官方源码的全部6组参数配置与两种实现变体上,仅需1个已知签名、用时0.06秒即可完全恢复出完整私钥。
- ARADI,美国国家安全局(NSA)于2024年发布的低延迟内存加密算法:该算法因未公开参数设计准则而引发国际密码学界密集分析,但此前学界针对其实用级密钥恢复最高仅推进至5轮;该模型从其公开的算法常数中挖掘出新的代数结构,在单核CPU上将实用密钥恢复推进至8轮(恢复完整主密钥仅需2.4~16.0秒),并全面刷新了9至12轮的理论攻击纪录。
大幅提升经典数学困难问题的求解效率
前两部分主要关注具体密码方案在结构设计或安全证明中的问题。研究团队进一步探索:如果一个密码体制没有可利用的设计缺陷,其安全性完全归约到经过数十年研究的经典数学困难问题上,模型还能否找到更高效的底层求解算法。在公钥密码学尤其是后量子密码中,编码、格和多变量等领域的经典数学难题是许多密码方案的安全基础。为评估这些问题的实际求解难度,国际密码学界设立了一系列公开挑战赛,通过难度逐步提高的算例,持续检验现有算法与算力的极限,并为NIST后量子密码标准的参数设定提供依据。
面对这类直接考验底层求解能力的挑战,MiniMax内部模型展现出了将底层代数结构化简与系统级工程优化深度结合的能力。对于传统算法需要消耗海量内存或长时间占用超算资源的公开算例,该内部模型通过挖掘数学结构中的隐藏性质,大幅压缩搜索空间,并针对现代CPU架构优化算法实现。借助这些改进,该模型在国际权威挑战赛中刷新了此前密码学顶会论文和多卡GPU集群方案报告的求解纪录,并首次攻克了数十个尚无公开解的高阶挑战实例:
- TII McEliece国际密钥恢复挑战赛是衡量后量子密码核心数学问题实际安全边界的权威基准。其底层困难问题已有近五十年历史,也是NIST后量子候选方案Classic McEliece的数学基础。此前,国际学界与前沿AI团队受计算复杂度限制,始终未能实际攻破其中大量高阶挑战。该内部模型提出了新的代数恢复框架,底层方程组规模的压缩倍数最高达到6.59倍,并在官方挑战库中累计恢复了94个挑战实例的私钥,其中55个高阶实例为首次攻破。在已有公开纪录的挑战上,该模型使用单台64核CPU服务器,仅用1.80~5.36秒便完成了实际破解。与CRYPTO 2026最新论文纪录(9.20小时)及此前Anthropic的多卡GPU集群方案相比,实测求解加速达到6,180倍至43,400倍。
- HAWK发表于密码学顶会ASIACRYPT 2022,曾晋级NIST后量子附加数字签名标准征集第三轮。此前,Anthropic研究团队使用96核服务器,耗时3小时42分钟攻破了其挑战参数HAWK-256底层的格同构困难问题,促使设计团队随后宣布退出NIST竞赛。在此基础上,该内部模型从数学结构和算法实现两方面进一步优化此格同构困难问题的求解算法。相较于Anthropic的分析结果,该模型的优化求解算法将HAWK全参数的安全强度估计进一步降低了9.3至23.8比特,并在单核CPU上仅用30分钟便恢复出等价私钥。按CPU核时折算,相比Anthropic的96核方案,求解效率提升约690倍。
研究成果披露与学术协作
随着语言模型开始自主产出新的密码分析结果,研究工作的瓶颈正逐渐从如何寻找潜在的攻击路径转向如何高效地验证和评估这些新发现的有效性。尽管密码分析任务自带代码侧的客观验证环境,但对于前沿算法安全边际的重新界定,依然离不开人类密码学专家的审视与探讨。
本次研究聚焦于学术前沿方案、历史竞赛候选设计与公开参数挑战,相关发现不影响现行主流密码标准的安全性。
遵循负责任的科学研究与安全披露原则,研究团队已提前将分析结果同步给相关方案的作者,并将上述实验中由MiniMax内部模型生成的推理轨迹加以整理与验证,以技术报告和代码的形式公开至:https://github.com/MiniMax-AI/Research
同时,研究团队欢迎密码学与安全领域的学者、开发者测试和使用该内部模型,共同探索自动化密码分析的能力边界。有测试需求的学者、开发者可将身份信息与研究背景发送至邮箱:developer@minimax.io 提交测试申请,研究团队将为符合条件的申请者提供测试通道。