CryptanalysisBench: Can LLMs do Cryptanalysis?
Este artigo apresenta o CryptanalysisBench, um benchmark abrangente de 191 tarefas criptográficas em seis famílias de primitivas, demonstrando que modelos de linguagem de grande escala de fronteira podem não apenas replicar ataques conhecidos em esquemas estabelecidos, mas também descobrir vulnerabilidades inéditas tanto em primitivas criptográficas reduzidas quanto em nível de produção.
Artigo original sob licença CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo
Imagine o mundo digital como uma cidade enorme e movimentada, onde cada banco, mensagem e segredo está trancado dentro de um cofre. As chaves desses cofres não são feitas de metal, mas de receitas matemáticas complexas chamadas "primitivas criptográficas". Durante décadas, apenas um pequeno grupo de especialistas humanos — como mestres chaveiros com doutorado em matemática — podia testar essas fechaduras para ver se eram verdadeiramente inquebráveis. Se uma fechadura possui uma falha, cada um dos cofres que utiliza essa fechadura torna-se inseguro, podendo expor segredos do passado e do futuro. Este é o jogo de alto risco da criptoanálise: a arte de encontrar os pontos fracos nessas fechaduras matemáticas antes que os vilões o façam.
Recentemente, um novo tipo de "aprendiz de chaveiro" chegou: os Modelos de Linguagem de Grande Escala (LLMs). Estes são os chatbots de IA superinteligentes que podem escrever código, resolver enigmas e conversar sobre quase tudo. A grande questão que paira sobre a cidade é: esses aprendizes de IA podem realmente superar os mestres humanos? Eles conseguem olhar para uma fechadura matemática complexa, descobrir como arrombá-la e abri-la sem precisar que um humano os guie? Isso não é apenas um jogo; é uma corrida para ver se nossa rede de segurança digital está prestes a receber um upgrade sério ou um buraco terrível.
O Grande Concurso de Arrombamento de Fechaduras: CryptanalysisBench
Neste artigo, uma equipe de pesquisadores de universidades e laboratórios de tecnologia de ponta decidiu colocar esses aprendizes de IA ao teste supremo. Eles construíram um gigantesco campo de treinamento chamado CryptanalysisBench. Pense nisso como um enorme circuito de obstáculos repleto de 19 de tipos diferentes de fechaduras. Algumas dessas fechaduras são antigas e já conhecidas por estarem quebradas (como uma porta com uma dobradiça frouxa), enquanto outras são novas, brilhantes e atualmente consideradas "inquebráveis" pelos humanos.
Os pesquisadores convidaram cinco dos modelos de IA mais inteligentes do planeta (incluindo versões do Claude, GPT e GLM) para tentar quebrar essas fechaduras. As regras eram rígidas: a IA tinha que escrever um script de computador que pudesse realmente quebrar o código, não apenas adivinhar a resposta. Se o script funcionasse, a IA vencia a rodada.
Os Resultados: A IA já é boa no básico
Os resultados foram surpreendentes. Quando a IA enfrentou as fechaduras "fáceis" — aquelas que os humanos já sabiam como quebrar — os modelos foram incrivelmente bem-sucedidos. Dependendo do modelo, eles conseguiram quebrar entre 65% e 86% dessas fechaduras conhecidas.
Mas a parte realmente legal é esta: a IA não apenas copiou as respostas de um livro didático. Em muitos casos, os modelos analisaram o código do zero, entenderam a falha por conta própria e escreveram um script de ataque funcional. É como dar a um aluno um brinquedo quebrado e pedir para ele consertá-lo; em vez de procurar o manual, eles entenderam a engrenagem quebrada apenas olhando para o brinquedo.
As Novas Descobertas: IA encontrando falhas que os humanos perderam
A descoberta mais emocionante aconteceu quando a IA atacou fechaduras que os humanos pensavam serem seguras. Os pesquisadores descobriram que os modelos de IA descobriram novas maneiras de quebrar alguns desses sistemas.
- O Caso SpoC: Dois modelos de IA diferentes descobriram independentemente uma maneira de quebrar uma fechadura chamada "SpoC" que ninguém sabia que estava quebrada. Eles perceberam que, se enviassem um tipo específico de mensagem vazia, a fechadura esqueceria de fazer sua verificação de segurança. Ao enviar duas mensagens astutas, a IA poderia roubar a chave secreta. Este foi um momento genuíno de "Eureka!" que aconteceu sem qualquer ajuda humana.
- O Caso KINDI: Outro modelo encontrou um erro na "prova de segurança" oficial de um sistema chamado KINDI. Os designers escreveram uma regra dizendo: "Isso é seguro porque apenas uma chave se encaixa nesta fechadura". A IA provou que eles estavam errados, mostrando que era possível enganar a fechadura para aceitar várias chaves diferentes. A IA então usou esse truque para roubar a chave secreta. No entanto, os pesquisadores observaram que isso não foi um descuido acidental dos designers; foi, na verdade, uma escolha de design deliberada para tornar o sistema mais eficiente, embora tenha introduzido uma vulnerabilidade que a IA explorou com sucesso.
Onde a IA tem dificuldades
A IA ainda não é uma varinha mágica. Quando os pesquisadores deram aos modelos as fechaduras "difíceis" — aquelas que são usadas atualmente para proteger dados do mundo real e que não foram quebradas por humanos — a taxa de sucesso caiu significativamente. Os modelos frequentemente consegravam identificar a ideia de um ataque, mas falhavam em escrever o código final para fazê-lo funcionar. É como se a IA soubesse que a porta estava destrancada, mas não conseguisse descobrir exatamente como empurrá-la antes que o tempo acabasse.
No entanto, quando os pesquisadores deram mais tempo à IA (aumentando o limite de 2 horas para 16 horas), os modelos melhoraram muito. Eles conseguiram quebrar ainda mais das fechaduras difíceis, incluindo algumas que exigiam matemática muito complexa e pesada. Isso sugere que a principal limitação da IA no momento não é a falta de inteligência, mas a falta de tempo para concluir o trabalho.
O Veredito
O artigo conclui que a IA já é uma jogadora séria no mundo da criptografia. Ela pode encontrar falhas em designs que foram examinados por especialistas humanos durante anos. No entanto, os pesquisadores também descobriram que um número significativo das "quebras" encontradas pela IA foram, na verdade, bugs no código de referência (a implementação de exemplo fornecida pelos designers) em vez de falhas fundamentais no design matemático em si. Embora a IA esteja encontrando rachaduras no código, ela também está começando a encontrar rachaduras no design que até os mestres perderam.
Embora ainda não tenha dominado completamente as fechaduras mais difíceis do mundo real, ela está avançando rápido. Os pesquisadores lançaram seu benchmark como uma ferramenta para monitorar essa corrida. Eles querem acompanhar exatamente quando a IA poderá se tornar forte o suficiente para quebrar as fechaduras que protegem nossas vidas digitais, para que possamos consertá-las antes que a IA o faça.
Em resumo: os aprendizes de IA não estão mais apenas observando os mestres; eles estão começando a arrombar as fechaduras eles mesmos, e estão encontrando rachaduras que até os mestres deixaram passar.
Afogado em artigos na sua área?
Receba digests diários dos artigos mais recentes que correspondam às suas palavras-chave de pesquisa — com resumos técnicos, no seu idioma.