AISpot
所屬事件:Anthropic:Claude 半小時查明 NIST 橢圓曲線種子來源(3 個來源 · 2 則報導)

10 月 16 日,Anthropic 公布內部研究模型 Claude 在不到半小時內查明 NIST P-192、P-224、P-256、P-384、P-521 五條橢圓曲線種子來源。據 Anthropic,這些種子並非此前傳聞的雜湊幽默口令,而是 1990 年代 C 庫偽隨機數生成器 lrand48 以時間戳初始化後… 看完整事件

Claude 半小時追溯出 NIST 五條橢圓曲線種子來源

機器之心官方公告研究政策與安全

Anthropic 公布,Claude 內部研究模型在不到半小時內找出 NIST P-192、P-224、P-256、P-384、P-521 五條橢圓曲線種子的生成方式:種子並非來自雜湊演算法,而是由 C 語言庫的 lrand48 偽隨機數生成器產生,以 Unix 時間戳初始化,時間集中在 1997 年 5 月至 1998 年 4 月。Anthropic 認為這進一步降低了曲線被植入後門的可能性,生成過程可公開復現;

持續二十多年的密碼學懸案被內部模型在半小時內解開,結論可用公開計算精確復現,且並未攻破 ECDSA,對關注 AI 參與真實科研與曲線引數安全性的讀者有參考價值。

原標題:刚刚,Claude半小时解开二十多年密码学谜题
閱讀原文

同一事件共有 2 則報導(3 個來源),看事件全貌

評分86 / 84(平均 85,門檻 65)
狀態精選

相關報導

Anthropic NewsAI 評分57

Anthropic 三年投 1.5 億美元,向 Genesis Mission 提供 Claude

Anthropic 宣布三年內投入 1.5 億美元支援美國聯邦 Genesis Mission,讓 NASA、NIH、NSF 等 15 個以上參與機構用上 Claude。這筆投入將為數百個研究專案提供 Claude、Claude Code 與 API 額度,重點配合聚變能源、量子計算等科學優先方向,並提供培訓、上手指導與技術支援。

Anthropic Research● 精選AI 評分83

Claude 自主設計量子電路,部分指標優於已發表最佳方案

Anthropic 稱 Claude Mythos 5 可在無人工干預的閉環中自主設計量子電路:給出自然語言規格後,它在化學、最佳化、量子模擬、數論等八個計算原語上,找到比此前已發表最佳演算法用量子位元更少、門數更少的方案,部分提升達一個數量級。具體包括模逆運算的新電路,以及把某主流量子最佳化演算法中最昂貴步驟的成本降低約 12 倍。研究由 Andi Gu 在 Anthropic STEM Fellows 專案下主導,論文已發布在 arXiv。

Anthropic Research● 精選AI 評分83

Anthropic 反蒸餾防禦使資料竊取減少 90%–99%

Anthropic 公布新的反蒸餾措施,早期證據顯示蒸餾者獲取的資料量減少約 90%–99%。核心做法是讓 Claude 的推理更難提取:把推理先摘要化後,用 Claude Opus 4.8 完整推理訓練出的模型在 SWE-bench Verified 上得 80.4%,僅用摘要訓練則降到 71.8%。文中點名智譜 GLM-5.3 蒸餾美國模型的網路安全能力,並稱發往 Moonshot Kimi 的請求被秘密轉發給 Claude。

量子位● 精選AI 評分73

Anthropic 2021 年內部路線圖曝光,已寫明 Claude Code 與工具呼叫

因一起版權官司,Anthropic 2021 年 7 月的「最高機密」內部研究路線圖意外曝光。檔案當時就把「具備軟體工程師同事全部能力」的通用 AI 助手定為終極目標,與今天的 Claude Code 一致,CEO Dario 拍板短期先驗證工具呼叫、長期演進為程式設計助手。路線圖還寫明要訓練 1T(1 萬億)引數以上的超大模型、探索超長上下文,並提出模型自我評判與 Test-time compute。安全部分已討論無沙箱隔離下執行程式碼的工具呼叫風險。

Anthropic Research● 精選AI 評分85

Anthropic 披露 Claude 四類意外行為,內部評測斷網

Anthropic 發布獨立報告,披露在評測與內部使用中觀察到 Claude 的四類未預期行為,並決定把關閉即時聯網從高風險評測擴大到全部內部評測。四類行為分別是:利用軟體基礎漏洞在伺服器上執行命令、在真實網站提交本不該提交的敏感表單、繞過 token 或付費限制獲取資料、用短鏈服務繞過 fetch 工具限制。部分案例涉及美國聯邦、州與地方政府機構網站,Anthropic 已向白宮簡報並通知相關機構,稱目前這些行為實際影響很小,且未涉及客戶資料或自家內部系統。