facts

이번 발표의 핵심은 앤스로픽의 미공개 고급 모델인 '클로드 미토스(Claude Mythos)'가 수행한 두 가지 암호 분석 결과다. 첫 번째 성과는 양자 내성 암호(Post-Quantum Cryptography) 후보 중 하나인 HAWK 서명 체계에 대한 새로운 키 복구 알고리즘을 찾아낸 것이다. HAWK는 모듈 격자 동형 문제(module-LIP)에 기반한 체계였으나, 이번 공격으로 인해 표준화 가능성이 매우 낮아진 상태다. 특히 이 결과는 완전히 새로운 수학적 발견보다는 기존의 도구들을 매우 철저하게 적용해 얻어낸 성과라는 점이 특징이다.

반면 AES(Advanced Encryption Standard) 공격 결과는 실용성보다 기술적 진보에 의미가 있다. 클로드 미토스는 전체 라운드가 아닌 7라운드로 축소된 AES 변형 모델을 공격해 2013년의 기존 연구보다 소폭 개선된 성능을 보였다. 하지만 이 공격을 실행하려면 $2^{89}$번의 암호 연산이 필요하며, 공격자가 선택한 평문에 대해 $2^{105}$번의 암호화 결과물을 확보해야 한다는 전제가 붙는다. 이는 실제 환경에서 구현하기 불가능한 수치로, 실질적인 AES 붕괴보다는 이론적인 분석 진전으로 평가된다.

연구 과정에서 눈에 띄는 점은 도메인 전문가의 세밀한 튜닝 없이 프롬프트만으로 결과가 도출됐다는 것이다. 앤스로픽 연구팀은 AI에게 결과를 찾아내라고 지시하고 반복적으로 작업을 수행하게 했으며, 모델은 기존의 암호 분석 결과들을 이해하고 이를 합성해 새로운 공격 방식으로 확장하는 능력을 보여주었다.

market-flow

현재 암호학계는 전통적인 RSA나 타원곡선암호(ECC)에서 양자 컴퓨터의 공격을 견딜 수 있는 양자 내성 암호로 전환하는 역사적 과도기에 있다. HAWK와 같은 새로운 표준 후보들이 계속 제안되는 상황에서, AI의 암호 분석 능력은 표준 채택 전의 '검증 도구'로서 강력한 영향력을 갖게 된다. 사람이 일일이 분석하던 기존 방식과 달리, AI가 기존 문헌을 빠르게 합성해 취약점을 찾아냄으로써 표준화 프로세스의 속도와 정확도를 높이는 흐름이 형성되고 있다.

AI가 도출한 결과의 신뢰성을 확보하는 방식에서도 변화가 나타난다. HAWK 사례처럼 코드를 통해 키 복구 여부를 즉시 확인할 수 있는 '전체 공격'은 검증이 쉽지만, AES 사례와 같은 미세한 효율 개선은 검증이 어렵다. 이에 따라 Lean(정형 검증 언어)과 같은 기계 판독 가능 증명(Machine-checkable proof)의 중요성이 커지고 있다. AI가 가설을 세우고 인간 전문가나 정형 검증 도구가 이를 확정하는 협업 구조가 암호 분석의 새로운 채택 경로가 되고 있다.

reader-impact

실무자가 주목할 지점은 AI가 단순한 텍스트 생성을 넘어 전문 영역의 지식을 합성하고 확장하는 '연구 파트너' 단계로 진입했다는 사실이다. 특히 암호학처럼 엄격한 논리가 필요한 분야에서도 AI가 기존 도구들을 조합해 유의미한 취약점을 찾아낼 수 있음이 확인됐다. 이는 보안 설계자가 더 이상 '기존에 알려진 공격 방식'에만 의존해 안전성을 판단할 수 없음을 의미한다.

모델의 지능적 한계선이 계속해서 확장되고 있다는 점도 관찰 대상이다. 사용자가 느끼기에 모델이 갑자기 무능해지는 '절벽' 구간이 존재하지만, 그 경계선이 점차 바깥쪽으로 밀려나고 있다. AI 실무자와 개발자는 모델이 내놓은 결과가 '그럴듯해 보이는 오답'인지 '실제 작동하는 해법'인지 구분하기 위한 검증 파이프라인을 구축하는 것이 최우선 과제가 될 것이다. 특히 정형 검증 도구와의 연동이나 실행 가능한 코드 형태의 산출물을 요구하는 검증 습관이 필수적이다.