Can AI Break Cryptography? What the Experts Actually Think｜深度中文详解
- 日期：2026-10-13 03:00 AM PT
- 时长：2531 秒（42 分 11 秒）
- 节目：a16z Podcast
- 主持：Liz Harkavy
- 嘉宾：Dan Boneh、Eddy Lazzarin、Justin Thaler
- 音频：收听本集
- YouTube：观看本集
- Episode：节目页面
一批展示 AI 在数学与计算机科学问题上取得进展的研究结果公布后，以太坊研究者 Justin Drake 呼吁加密行业考虑进入「掩体模式」（bunker mode），尤其关注大额钱包与链上公钥暴露。担忧并非某篇结果已经破解椭圆曲线密码学，而是：如果现行密码学所依赖的难题存在尚未被人发现的高效解法，能力更强的 AI 或许能更快找到它。
这期讨论把三件事分开：AI 解出数学题、AI 找到针对特定密码假设的攻击、现实系统因此需要紧急迁移。从第一件事推不出后两件事；但第一件事足以成为要求前沿实验室认真测试并披露结果的理由。
本集的核心不是断言「AI 不可能破解密码学」，而是厘清目前究竟知道什么。Dan Boneh 对近期数学成果印象深刻，却注意到公布的问题中没有明确针对密码学的结果。因此，实验室是尚未测试、测试失败，还是已有不便公开的发现，外界都缺少信息。嘉宾认为，这种信息空白叠加 AI 能力快速增长，才是恐慌的重要来源；截至讨论时，并没有具体证据显示椭圆曲线等已部署系统突然失效。
密码系统长期建立在计算难度假设之上。人们无法简单证明所有相关问题都不存在高效算法，只能依靠多年公开分析与攻击尝试逐步积累信心。AI 可能改变这一检验过程：若强模型投入大量资源仍找不到攻击，结果有望增强信心；若找到更好的算法，即便尚不足以实际破坏系统，也能帮助重新评估安全余量。但模型一次「未攻破」并不等于数学证明，其说服力取决于测试目标、资源与方法是否清楚。
讨论随后转向准备工作。量子计算威胁促使业界部署替代方案；AI 寻找新算法的潜在影响却不限于传统椭圆曲线系统，后量子候选方案同样需要受检。对普通用户，嘉宾反对因推测而贸然搬动资产；对机构，重点仍是密码敏捷性与既有安全卫生措施。对于区块链该选择哈希签名还是格基签名，嘉宾没有给出轻巧答案：减少底层假设，可能同时增加实现复杂度或牺牲功能。最终，本集将问题从「要不要立刻恐慌」转为「如何测试、共享信息，并在发现问题时有序切换」。
- AI 数学进展为何引发警报 — 00:00 🎧 · ▶️
- 约 700 项成果中的密码学空白 — 02:21 🎧 · ▶️
- 密码学为什么依赖「难以破解」的假设 — 06:14 🎧 · ▶️
- 如果椭圆曲线假设失效，影响有多广 — 10:13 🎧 · ▶️
- 「掩体模式」与仓促行动的风险 — 14:59 🎧 · ▶️
- 量子威胁、AI 威胁与密码敏捷性 — 21:43 🎧 · ▶️
- 哈希签名还是格基签名：安全与能力的取舍 — 25:43 🎧 · ▶️
- 创业机会，以及真的发现攻击后怎么办 — 33:58 🎧 · ▶️
💬 他们说了什么：节目由 Justin Drake 提出的「掩体模式」警告切入。他担心 AI 的进展可能比量子计算更早触发密码学突破，并呼吁大型机构考虑资金与密钥暴露风险。主持人追问，这一担忧与 OpenAI 公布的数学问题进展究竟有什么关系。
💡 为什么重要：银行、私密通信和加密钱包都依赖密码系统；如果基础假设真的出现可行攻击，影响不会局限于币圈。但「数学推理更强」只是提出研究问题，尚不是攻击已经发生的证据。
⚡ 争议点：讨论中容易把 AI 与量子计算归为同一种威胁。Boneh 一开始便要求拆开两条线：量子计算对某些现有算法的威胁已有明确理论背景；这里讨论的是 AI 能否发现人类尚未找到的攻击方法。
💬 Boneh 称，网上公布了约 700 项涉及数学与计算机科学进展的成果，令他印象深刻；但他查看问题列表后，没有看到明确的密码学问题，甚至没有看到密码学理论中的正向构造问题。他呼吁前沿实验室说明：是否用最强模型测试过已标准化、已部署的密码系统，以及结果如何。
💡 缺席本身不能证明模型「攻不破」，也不能证明实验室「已经攻破却隐瞒」。如果尝试后失败，严谨披露可增加信心；如果得到敏感发现，则需要适当的安全沟通渠道。两种情形要求截然不同的后续行动。
⚡ 与密码学相邻的数学成果，能否外推为密码攻击能力？嘉宾的答案是不能直接外推。要消除信息空白，需要明确测试对象、采用的模型与资源，以及可安全公开的结果。
💬 嘉宾以椭圆曲线离散对数、格上的短向量等问题说明：密码学依靠特定问题计算上很难解决的假设。Boneh 将证明这类困难性的局限与 P vs NP 等基础复杂性问题联系起来；本轮公布的成果并未解决该问题。过去许多人尝试攻击这些假设，失败、局部成功与渐进改良共同构成安全评估。即便 AI 只将某方案的安全强度削减 10 比特，也应认真记录。
💡 安全并不是「有人证明永远不可能破解」，而是特定方案经历长期公开检验，尚无现实可行的攻击。AI 可以成为更强的检验者；攻击失败和发现局部弱点，都能提供有用信息。
⚡ 嘉宾期待强模型检验后能加快建立信心，但一次测试失败不等于不存在高效算法。结果仍受模型能力、算力预算、提问方式及测试覆盖范围限制。
💬 Boneh 指出，若椭圆曲线离散对数出现现实可行的攻击，受影响的将包括互联网连接、网上银行、医疗与政府通信，而不只是区块链。与此同时，NIST 正推进其他公钥方案的标准化，替代路线并非从零开始。嘉宾还对比传统检验周期：一种新假设过去可能需要等待约 10 年接受分析；他们设想模型可在更短时间内集中测试，也举出投入 2000 万至 5000 万美元检验方案的假想情景。
💡 AI 不只可能缩短发现攻击所需的时间，也可能缩短新方案建立可信度所需的时间。真正的缺口是：前沿模型掌握在少数实验室手中，而外界不知道它们是否做过相关检验。
⚡ 假想的巨额算力投入及「运行一个月」并非已完成实验，更不能与十年公开检验直接画等号。测试报告怎样让业界信任、又不泄露可利用的攻击细节，是尚待解决的问题。
💬 嘉宾反复强调，讨论并非源自「椭圆曲线已被证明不安全」的新发现。Drake 提议大型冷钱包减少链上公钥暴露；节目也提到 Vitalik Buterin 对迁移操作风险的提醒。Thaler 认为，对一般人而言，因恐慌而贸然迁移可能比继续遵循既有安全实践更危险；机构则本就应实施相应的密钥管理措施。
💡 风险管理要同时衡量极端但尚未证实的密码学风险，以及眼前真实存在的迁移失误、软件漏洞和操作错误。把适用于专业机构的措施不加区分地推荐给个人，可能制造新的损失。
⚡ 「不恐慌」不等于「无需准备」。嘉宾反对的是在缺乏针对性证据时推出仓促的新操作，而不是反对机构持续减少不必要的密钥暴露、演练迁移与维护应急预案。
💬 嘉宾指出，量子威胁主要针对椭圆曲线、RSA 等特定类型的现有公钥系统；AI 若通过发现新算法发动攻击，理论上也可能削弱正在迁往的后量子候选方案。因此，检验不能只盯着旧系统。Boneh 主张继续落实「密码敏捷性」：设计系统时保留更换算法、密钥与协议组件的能力。
💡 某种方案被称为「后量子」，只表示它针对已知量子攻击的设计目标，并不意味着它自动能抵御任何未来由 AI 找到的数学攻击。预先设计可切换机制，比危机发生后重做整个系统更实际。
⚡ 敏捷性也不是免费的保险。替换算法牵涉互操作性、部署周期与实现错误；如果几种候选方案共享未被识别的弱点，仅仅准备多个名称不同的方案也未必足够。
💬 Boneh 解释，区块链社区仍在争论使用哈希签名还是格基签名。支持哈希路线者看重其构造框架及替换具体哈希函数的空间；区块链原本就依赖哈希，签名继续使用哈希还可能减少所需的不同安全假设。另一面是哈希签名通常更大，部分方案具有状态管理负担，也缺少格基方案可支持的某些代数功能，例如门限签名及特定密钥派生能力。Thaler 进一步提醒：若为坚持「只依赖哈希」而使用复杂的 SNARK 递归，漏洞面和难以量化的安全风险也可能上升。
💡 密码方案选择不是单一的「哪种数学假设最强」。签名体积、功能需求、代码复杂度、证明系统以及整个链的既有假设，都影响系统最终的安全性和可用性。
⚡ 「只用哈希」并不意味着整套数字基础设施只需哈希；嘉宾指出，仅靠哈希难以满足良好的加密与密钥交换需求。同样，格基方案功能丰富，也意味着必须持续检验其核心难题是否可靠。本集没有宣称哪条路线已赢得争论。
💬 嘉宾认为，AI 同样能用于上线前审查密码实现、扫描软件漏洞，并改善 AI 智能体（Agent）自身的权限边界。Boneh 提出一个具体研发方向：代码更新或模型更新后，如何比每次全量重扫更高效地复查系统。谈及最坏情形——实验室真的找到椭圆曲线攻击——他们主张通过负责任披露协调政府与业界迁移，而不是直接公开攻击方法；部分网络连接已采用椭圆曲线与格基方案共同保护的混合机制。
💡 防御能力也会随 AI 进步，而安全产品的机会不止在「发现漏洞」，还包括持续验证、增量扫描、迁移协调与权限设计。若发生重大突破，既有替代方案和混合部署可提供起点，但仍需要大量工程工作。
⚡ 节目中关于软件漏洞有朝一日趋近于零的说法，是乐观推测，不是可保证的结果。模型可能漏报、误报，也可能难以检验复杂协议的整体安全；负责任披露虽有明确方向，跨机构大规模迁移的速度仍不能想当然。
- Liz Harkavy：本集主持人，代表听众追问实际威胁、个人行动及创业机会。转写中姓名的自动识别不稳定，此处以节目介绍为准。
- Dan Boneh：斯坦福大学教授，从密码学假设、替代方案及安全检验角度解释风险。
- Eddy Lazzarin：a16z Crypto 普通合伙人，讨论信息披露缺口、机构实践与 AI 时代的软件安全设计。
- Justin Thaler：a16z Crypto 研究合伙人，强调迁移风险、复杂实现的漏洞面与哈希／格基路线的取舍。
- Justin Drake、Vitalik Buterin：节目讨论到其相关公开发言；两人并非本集对谈嘉宾。
- OpenAI、NIST：前者的数学成果是本轮讨论的触发因素；后者推进公钥密码替代方案的标准化。
以下为依据英文发言整理的意译，不是逐字中文引语。
「先冷静。我们今天掌握的密码学事实，并没有因为这场讨论突然改变。」——Dan Boneh
「人们尝试破解一个假设却失败，正是我们逐步建立信心的方式。」——Dan Boneh
「现在最需要的不是新的恐慌操作，而是足够的信息，让我们知道该怎样调整。」——讨论主旨
「密码敏捷性，是应对意外发现的朋友。」——Dan Boneh
- AI 可能改变安全评估的节奏，但不会消除评估方法的问题。 当测试能力集中于少数实验室时，公开一个简单的「没有攻破」结论，未必能让外界判断其分量。未来更有价值的可能是可审查的测试范围、资源说明与安全披露机制。
- 基础假设与实现漏洞是两层不同风险。 一个数学方案尚未被攻破，应用仍可能因代码、密钥管理或迁移过程失误而损失；反过来，AI 搜索漏洞的能力也可能帮助防御方更早修补实现问题。
- 系统级安全不能只数假设的个数。 采用同一种底层工具也许使信任边界更清晰，但若为此引入复杂递归证明或繁重的状态管理，新增工程风险可能抵消理论上的简化收益。
- OpenAI 究竟测试了什么：嘉宾明确表示不知道前沿实验室是否针对标准化、已部署密码系统开展测试；不能据此推断其成功或失败。
- 时间表与攻击可行性：「未来几个月可能完全破解椭圆曲线」属于被讨论的警示性推测，本集没有提供相应攻击证据。
- 模型测试的证明力：投入大量算力却未找到攻击，能增加多少信心，需要结合模型版本、资源预算、目标定义和独立复核判断。
- 迁移路线的实际覆盖率：节目举出已采用混合保护的连接及通信产品，但不能据此认定所有现有服务都已完成相同程度的迁移。
- 转写准确性：英文转写对部分人名及技术名词存在明显自动识别误差；涉及具体产品、协议名称和引语时，应以节目原音及相应官方资料复核。
- 普通用户：不要仅因 AI 数学新闻转移资产或自行更换复杂的密钥方案；优先遵守现有账户与钱包安全实践，等待可信的具体风险通告。
- 安全团队与机构：盘点实际使用的密码算法、密钥暴露方式及依赖系统，确认是否具备受控切换和迁移演练能力。
- AI 实验室与研究者：针对明确的密码假设开展测试；在不增加攻击风险的前提下说明测试范围，对可利用发现采用负责任披露。
- 产品团队：把 AI 辅助代码审查、增量复查与智能体权限隔离纳入安全工程流程，同时保留人工复核。
