AI 60 小时击穿后量子防线，比特币量子防御体系面临重构

据 Woofun AI 消息，人工智能正在重塑加密货币领域的密码分析范式，Anthropic 利用 Claude 多智能体系统对后量子候选算法 HAWK 及 AES 标准发起的自动化攻击，揭示了现有防御体系在量子计算威胁下的脆弱性，这一突破直接警示比特币社区需加速重构其量子防御架构。

HAWK 作为一种基于格结构的加密方案，目前正参与 NIST 开展的第三轮后量子时代签名方案评估，其核心优势在于依赖那些已知量子计算方法难以高效解决的数学难题构建安全壁垒。在 Anthropic 介入研究之前，HAWK 已经经历了长达两年的公开测试周期，被认为具备较高的安全性。

然而，Claude Mythos 系统通过深度扫描，发现了 HAWK 底层格结构中一个长期被忽视的对称性特征，这一特征的存在使得攻击者能够找到一条更为高效的秘密密钥恢复路径。具体而言，对于专为密码分析而设计、参数规模较小的 HAWK-256 版本，其攻击成本从原先的 2 的 64 次方次运算骤降至 2 的 38 次方次运算，这种数量级的降低意味着原本被认为安全的参数配置已不再可靠。虽然参数规模更大的版本目前仍难以被直接破解，且该缺陷并非所有基于格结构的加密方案或 NIST 评估中的其他候选方案所共有，但 HAWK 若要维持原有的安全水平，必须大幅增强其参数强度。

Anthropic 估计，其密钥大小可能需要翻倍才能抵消这一对称性带来的风险。目前的 HAWK-512 版本已经采用了 1,024 字节的公钥和 555 字节的签名长度，若进一步增加这些数值，将显著提升存储需求、增加带宽消耗并提高验证成本，从而削弱该方案原有的效率优势。在区块链环境中，这类额外的开销会随着每一笔交易的处理而累积，并由各个节点持续复制，即便某种升级在数学上是完全合理的，但如果其生成的签名占用的区块空间过大，也可能变得不切实际。

Woofun AI 整理数据显示，Claude 在多智能体研究系统中半自主运行，仅用了 60 小时就完成了对 HAWK 攻击方法的开发与测试，整个过程消耗了 10 万美元的 API 算力。这些智能体能够自主搜索学术文献、编写 Python 和 Sage 代码、进行数学实验，并共享有价值的测试结果。在某些情况下，某个智能体最初拒绝的攻击思路会被另一个智能体继续深入研究，最终带来突破性进展。人类的角色主要体现在工作组织、工具选型以及结果数学逻辑的核查上。

Anthropic 表示，负责这项工作的专家拥有理论计算机科学背景，但并不具备格密码学方面的专业技能。虽然 10 万美元的 API 算力是一笔不小的开支，但对于资金充裕的研究实验室、安全公司以及技术实力强的对手来说仍是可承受的。过去需要组建一支由稀缺专家组成的团队才能完成的工作，现在可以通过租用能够持续进行测试的系统来辅助完成，这种经济性分析表明，AI 辅助的密码分析正从精英专属转向可规模化部署。

比特币改进提案 361（BIP-361）详细阐述了该网络如何逐步摆脱目前用于保护交易的 ECDSA 和 Schnorr 签名方案，以应对潜在的量子计算威胁。《金融时报》早前的报道已经介绍了比特币为抵御量子攻击而规划的应对步骤：现有的传统加密货币最终将被限制在支持后量子技术的平台之上，随后会对那些尚未转移的资金实施更严格的恢复规则。整个过渡过程可能在方案启动后的五年内完成，不过 BIP-361 目前仍处于草案阶段，尚未确定具体的实施时间，具体的替代方案也将通过另一项独立的提案来制定。

选择何种替代算法并不仅仅取决于该方案能否抵御已知的量子攻击，开发者还必须权衡签名大小、验证速度、对硬件钱包的支持程度、区块空间占用情况，以及未来研究可能带来的对参数强度的更高要求。HAWK 这一案例恰恰说明了将"后量子技术"标签视为永久性保障所带来的风险：某种设计在实践中可能依然无法被破解，但其安全边际已经下降到足以影响效率或使其不再适合实际应用的程度。因此，比特币未来的升级方案应当为进一步的调整留出空间，如果仅仅围绕某一种看似永久的替代方案来设计钱包和协议规则，那么一旦该方案日后出现弱点，整个网络就可能面临第二次重大的架构迁移。

在第二个项目中，Anthropic 将研究对象转向了 AES-128，这种加密算法通过十轮重复的数学变换来保护数据。Claude 是在基于七轮运算的研究版本上展开工作的，但该测试假设需要 2 的 105 次方个随机明文样本，这样的条件使得该攻击方法无法用于破解真实的加密数据。

尽管如此，该系统仍将之前的最佳攻击效率提升了 200 到 800 倍，具体提升幅度取决于计算成本的衡量标准。它的最主要贡献是一种名为"莫比乌斯跨链桥"的指纹识别技术，该技术省去了早期方法中所需的 256 种猜测路径。实现这一成果依赖于一个自主运行的框架，在该框架中多个智能体可以提出假设、进行实验并淘汰无效结果。整个测试过程产生了大约 10 亿个输出 token，同时消耗了 10 万美元的 API 使用费用。由于 AES 已经被研究了数十年，这项研究成果远不止是发现了某些陌生软件中的明显编程错误，它表明人工智能系统能够在成熟的数学密码分析领域贡献原创性的想法。Claude 仅在一周时间内就得出了关于 AES 的核心洞察，随后两名人类研究人员又花了近一个月的时间来验证这些数学结论，确认该攻击方法是有效的。

自动化系统可以同时探索许多假设性的想法，而合格的密码学家则必须逐一验证每一个看似可靠的结论，判断其是否真的具有创新性，并评估其实际影响。正是这种从研究产生到最终验证之间的差距，给安全团队带来了巨大压力。随着机器生成的研究成果越来越多，其中既会有错误，也会有对已有研究成果的重新发现，还有少数真正的安全漏洞。快速筛选这些成果可能需要的投入与生成这些成果的投入相当。

加密货币项目需要建立明确的提交渠道、独立的验证流程以及严格的严重性评估标准。未经验证的模型输出不应导致协议变更，但完全忽视所有机器生成的报告又有可能让真正的安全缺陷被遗漏。在相关方案投入部署之前就发现 HAWK 的缺陷无疑是一项有益的成果。NIST 可以在政府机构、钱包服务商以及金融系统依赖这些方案之前，要求开发者提供更强的参数配置，或者直接拒绝这些候选方案。

区块链开发者也可以在各种签名方案、零知识证明、钱包恢复方法以及跨链协议投入大量价值之前，应用类似的测试系统。那些较为老旧的加密组件同样需要重新接受严格审查。许多加密货币项目依赖于一些专用设计，而这些设计所受到的关注程度远远低于 AES 以及 NIST 评估中的主流候选方案。攻击者可以使用类似的工具，而在缺陷被公开后，去中心化的网络可能需要数月时间才能协调完成升级。发现漏洞的速度和验证速度都将决定谁能够占据优势。

目前比特币的量子技术发展路线图中还存在两个不确定性：一是具备相应功能的硬件何时能够问世，二是哪种替代方案能够在更深入的分析面前依然保持稳定性。相比单纯依赖早期看好的方案，应该同时对多种候选方案进行并行测试。评估内容必须涵盖数学安全性、交易处理效率、验证成本，以及与各类交易所、托管服务提供商和硬件设备的兼容性。人工智能辅助的研究可以与公开竞赛、学术评审以及实施审计相结合，由人类专家在每个研究结果影响到共识机制之前对其真实性进行确认。软件架构也同样重要。

如果能够使用可更换的加密模块，那么当新的研究结果削弱了最初采用的加密标准时，钱包和节点就能够更轻松地切换到新的算法。不过随之而来的就是协调问题：即使有一种安全的替代方案，仍然需要得到开发者、交易所、矿工、节点运营者、硬件制造商以及那些可能多年都不会移动其持有的加密货币的用户们的认可。目前 Anthropic 并未证明人工智能能够破解比特币现有的签名方案，Claude 也并不具备量子计算机的功能，它的作用仅限于在早期阶段对拟议中的算法提出挑战、揭示隐藏的数学结构，并在相关系统投入部署之前降低其安全边际。

量子计算依然是对现有加密货币钱包构成的终极威胁，而人工智能则正在改变比特币防御机制的设计与测试环境。因此，HAWK 的研究结果更多地反映了比特币未来的加密标准应当满足的要求，而非某一种特定候选方案的优势。任何替代方案都必须能够抵御量子理论、传统的密码分析方法，以及那些运算速度远超人类审查能力的自动化研究系统。