AI 智能体盯上了 1024 位 RSA:DeepMind 数天内复现五个月的密码学计算
Google DeepMind 称,AI 智能体在 1024 位 RSA 中找到两处弱点,并把一项人类团队花了五个月的密码学计算在 3.2 天内复现。现代 2048 位加密不受影响。

先说结论,免得标题党把你吓着:你的网银、聊天记录和软件更新都没事。Google DeepMind 在 11 月 6 日公布的研究,盯上的是早就该退役的 1024 位 RSA——一种今天几乎没人该再用的老加密。但这件事真正值得注意的不是“RSA 被攻破了”,而是攻破它的是谁:两名 AI 智能体,在人类研究员只发了大约 20 条简短消息的情况下,四天不到就复现了一项人类团队花了五个月才完成的密码学计算。
这项研究由 DeepMind 研究副总裁普什米特·科利(Pushmeet Kohli)于 11 月 6 日对外公布,随附两篇工作论文。团队由克里希纳穆尔蒂·德维约塔姆(Dj Dvijotham)和阿布拉迪普·塔库尔塔(Abhradeep Thakurta)领衔,合作者包括加州大学圣迭戈分校与 Inria 的密码学家纳迪亚·亨宁格(Nadia Heninger)和 Inria 的埃马纽埃尔·托梅(Emmanuel Thomé)。科利在公布时先把边界划得很清楚:“实际上,这些结果只影响已经过时的 1024 位 RSA 系统,现代加密协议几乎普遍使用 2048 位或更大的密钥,仍然是安全的。”先把这句话钉在这里,后面所有数字都得在这个边界里理解。
" alt="写满数学公式的黑板,示意密码分析背后的数学工作">
第一项结果针对数字签名。RSA 签名有个老规矩:要签的数据先按 PKCS#1 v1.5 格式填好,再交给设备去签。这个填充格式一直被当作一道防线——攻击者就算能让签名设备替自己签东西,也只能签格式固定的一小部分数据。DeepMind 的论文把这道防线的适用范围算清楚了:在 1024 位的签发块里一共 128 个字节,如果攻击者能控制其中 65 个以上,或者摘要是 64 字节(比如 SHA-512),填充就不再提供任何保护,问题难度和“没有填充、直接签原始数据”完全一样。换句话说,填充这道墙只在攻击者控制的数据不到一半时才成立。
控制得更少呢?比如只有 32 字节的摘要(SHA-256 就是这个尺寸),问题仍然更难,但 DeepMind 拿出了一个新算法:按他们的理论估算,在 1024 位这个尺寸上,它比此前最好的方法好大约 1600 倍。这里必须加一个定语:1600 倍是理论估计、渐近意义上的结果,论文明确说了这个结果没有在该尺寸上实际跑过。把它当成“已经快了 1600 倍”来转述,就是在帮 DeepMind 吹牛。真正跑过的数字在下面那一段,比 1600 倍小得多,但也真实得多。
第二项结果针对批量破解。攻击者如果想一次破解很多个同尺寸的密钥,1993 年以来最好的办法一直是 Coppersmith 的多重数域筛法。DeepMind 的第二篇论文提出一种叫“扇形工厂”(fan factories)的方法:让每个目标密钥拥有各自的一组数域,共享同一份预计算。按论文的测算,每多破解一个 1024 位密钥,平均成本大约是标准数域筛法单次运行的 58 分之一,比 Coppersmith 的方法便宜约 30 倍。代数恒等式已经用 Lean 4 做了机器验证,但这个方法本身还没有实现过——它现在还停留在纸面上。这两篇论文都还是工作论文,没有经过同行评审,这一点 DeepMind 自己也没有藏着。
真正跑出来的,是对今年 9 月一篇论文的复现。谢伊(Laura Shea)、哈勒(Miro Haller)、苏尔(Adam Suhl)、亨宁格和托梅那个团队在 9 月发表于 IACR ePrint 的研究,首次在 1024 位上完成了带签名预言机的攻击:离线阶段约 1200 个 CPU 核心年、40.7 亿次预言机查询,再加 180 个核心年算出第一个根,总计约 1380 个核心年、五个自然月,还动用了一台硬件安全模块当签名预言机。DeepMind 让两个 AI 智能体用同样的算法、同样的多项式和界重跑了一遍:第一个根只花了 391 个核心年,是原来的 3.5 分之一;日历时间从五个月压到 3.2 天。论文说得很诚实:日历时间的差距主要来自并行度——高峰期动用了约 30 万个 CPU 核心和 16 块 GPU;3.5 倍的 CPU 节省则主要来自代码本身,优化后的筛法器在同一台机器上比 CADO-NFS 快 1.8 到 4.4 倍。相比之下,把这个 1024 位模数直接分解掉,估计要 50 万到 100 万个核心年——签名预言机这条路仍然便宜得多。
这 3.2 天是怎么过的,论文第 6 节写得比结果本身更有意思。两个智能体分工:一个当“主管”,写设计方案、给每个阶段设检查点、审计每一步结果;另一个当“执行者”,写代码、跑分布式任务、修失败。它们一共写了约 3.35 万行新代码,跑了 336 次分布式实验。人类研究员总共只发了约 20 条简短消息,大多是“按你的建议继续”之类的批准。中间还真出了状况:一个 32 位索引溢出让第一个算出的根是错的,是智能体自己在运行中定位并修好的;还有 82 到 85 比特的下降节点,是小规模彩排暴露不出来的问题。换句话说,这次不是“AI 按剧本跑完了计算”,而是 AI 在计算过程中真的做了研究——设计、调试、纠错,全程只有点头式的人类监督。
那么,到底什么会受影响?先划三条线。第一,只有 1024 位 RSA。现代系统用的 2048 位及以上不在这次结果的射程内,论文的摘要里也用黑体字写了这一点。第二,攻击者需要能直接调用签名接口,而且要调用很多次——复现的计算用了约 40 亿次预言机查询,而且都得在目标确定之前完成。这不是路过一个网站就能顺手做的事。第三,设备内部自己算摘要的机制(比如 CKM_SHA256_RSA_PKCS)根本不让调用者选择签发块,完全落在两篇论文的攻击模型之外。9 月那篇 ePrint 论文倒是把话说得更重:在有签名预言机的模型下,1024 到 4096 位 RSA 的实际安全强度都应比按分解难度估算的低 15 到 30 比特,作者甚至写道“即便是 4096 位 RSA,在这种攻击模型下似乎也达不到 128 位安全级别”。这句话值得认真对待,但它针对的是“攻击者能无限调用签名接口”这个假设,不是针对你手机里的银行应用。
真正该紧张的,是还在用 1024 位 RSA 签名的老系统。现行指南其实早就不再批准用 1024 位 RSA 生成新签名了,但老设备、老固件、老 HSM 配置不会自己消失。DeepMind 这次等于把“迟早要换”变成了“有人已经把成本算出来了”:填充保护的边界在哪、批量破解能便宜多少、复现一次要花多少算力,全都写在了公开的论文里。对还在维护这类系统的人来说,升级到 2048 位或迁移到更新的签名方案,不再是“ roadmap 上的某一项”,而是排期表上该往前挪的事。
把视野拉开一点,这件事和同一周的另一条新闻是同一枚硬币的两面:OpenAI 在 11 月 5 日发布了只给通过审核的安全团队用的 GPT-6 Cyber,Anthropic 的 Claude 则在 Xen 虚拟机监控器里找出了两个十年以上的关键漏洞。AI 做安全研究的速度正在变成新闻本身——以前一个密码学结果从想法到计算要以年计,现在是几周。METR 在 11 月 5 日的报告里说,Anthropic 内部的研究速度已经比原来快了约 1.9 倍;DeepMind 这篇论文就是同一趋势在密码学里的注脚:慢工出细活的领域,正在被“智能体加并行算力”改写节奏。好消息是,攻击和防守用的是同一套工具——找漏洞的智能体,同样能帮防守方更快地审计代码、验证修复。
要理解这两篇论文到底在算什么,得先弄明白“签名预言机”这个模型。现实里,私钥往往锁在硬件安全模块(HSM)或者智能卡里,调用者拿不到私钥本身,只能把数据递进去、让设备把签好的结果递出来。密码学家把这种“能替你签名、但不告诉你私钥”的接口抽象成一个预言机:离线阶段你可以随便问它签一堆你选好的数据,在线阶段预言机收走,你得靠之前攒下的数据去伪造新目标的签名。2007 年朱(Joux)、纳卡什(Naccache)和托梅提出的问题就是:在这种设定下,伪造签名到底比直接分解大整数容易多少?答案取决于预言机肯签什么样的数据——什么都肯签的叫无限制预言机,只能签固定格式数据的叫仿射预言机。PKCS#11 接口里的 CKM_RSA_PKCS 机制就是后者:调用者递数据,设备按 PKCS#1 v1.5 格式填好再签。DeepMind 的第一项结果,本质上是把“固定格式到底挡不挡得住攻击”这个问题算到了底:可变部分超过一半,格式等于不存在;只有 32 字节摘要时,格式还挡着,但新算法已经把挡的程度压缩了 1600 倍(理论值)。
这项工作也不是凭空冒出来的。它直接站在 2026 年 9 月那篇 ePrint 论文的肩膀上——谢伊、哈勒、苏尔、亨宁格和托梅的团队第一次把带签名预言机的攻击在 1024 位上真正跑通了。那篇论文的结论比 DeepMind 的更刺耳:在有签名预言机的模型下,1024 到 4096 位 RSA 的实际安全强度,都比按分解难度估算的要低 15 到 30 比特。换算一下,2048 位 RSA 在这种模型下的实际强度可能只有 82 到 97 比特左右,而不是人们以为的 112 比特。作者甚至写道,即便是 4096 位 RSA,“在这种攻击模型下似乎也达不到 128 位安全级别”。DeepMind 的贡献是把这个结论往前推了两步:理论上,把填充的保护边界和批量分解的成本都算得更精确了;实践上,证明了复现这种量级的计算不再需要一个密码学实验室花五个月,两个智能体加一群租来的 CPU,3.2 天就够了。两篇论文互相咬合:9 月的论文证明了这条攻击路线走得通,11 月的论文证明了走这条路正在变便宜、变快。
对做开发的人来说,这件事有三个具体的启示。第一,清查你手里还在用 1024 位 RSA 的地方:老证书、老固件签名、老 HSM 配置、某些遗留系统的代码签名。现行指南早就不批准用 1024 位生成新签名了,但“不批准”和“不存在”是两回事,存量系统里的 1024 位密钥不会自己过期。第二,别只盯着密钥长度看安全强度。签名预言机模型提醒我们,安全强度不只取决于数学难题本身,还取决于攻击者能调用什么接口——一个能无限调用签名接口的攻击者,面对的根本不是你以为的那个难题。第三,把这件事放进更大的图景里看:密码学的迁移周期正在被压缩。NIST 的后量子密码标准已经落地,各大厂商都在排期迁移;DeepMind 这次等于给迁移排期表又加了一个理由——不是因为 2048 位明天就会被攻破,而是因为“攻击者变强”的速度本身正在加快。等到某一天,某个被认为“理论上可行、实践中太贵”的攻击突然变得便宜时,再开始迁移就晚了。密码学里最贵的错误,永远是把“暂时没人做”当成“做不到”。
把镜头再拉远一点:DeepMind 做这项研究,本身也是它“AI 做科学”这条路线上的最新一步。从 AlphaFold 解开蛋白质结构,到 AlphaEvolve 在数学和算法里找到新解法,DeepMind 一直在试同一件事——让 AI 不只当工具,而是当研究者。密码分析是个尤其合适的试验场:问题定义清晰、对错可以验证、计算量大到人类团队要以月为单位推进。正因为它这么合适,这次的结果才有指标意义:两个智能体在 3.2 天里扛起了 33,500 行代码、336 次实验和一次真实的调试排错,这已经不是“AI 帮人类算得更快”,而是“AI 自己把一项研究从设计做到交付”。METR 在同一周发布的报告说,Anthropic 内部的研究速度比原来快了约 1.9 倍,而且大约八成要归功于 AI 本身。两件事拼在一起,指向同一个结论:AI 正在变成科研生产力的倍增器,而密码学这种“慢工出细活”的领域,恰恰是最先被改写节奏的地方之一。防守方当然也能用同一套工具——更快的审计、更快的验证、更快的修复——但前提是防守方真的在用。
如果你是负责系统安全的工程师,或者只是维护着一个有签发功能的服务,现在可以做的事其实很具体。第一,盘点:列出所有还在用 1024 位 RSA 的地方,包括证书、代码签名、固件签名、遗留 HSM 配置和第三方依赖,重点看那些“多年前配好就没人动过”的角落。第二,分级:区分“只是加密传输”还是“对外提供签名接口”——后者才是这次论文的攻击模型,前者受到的影响要小得多。第三,检查签名接口的配置:确认设备内部自己算摘要的机制(比如 CKM_SHA256_RSA_PKCS 这类)是否已经启用,而不是让调用者自由选择签发块;这是论文明确指出落在攻击模型之外的配置。第四,排期迁移:2048 位是底线,有条件的团队应该直接评估 NIST 后量子密码标准的迁移路径,而不是把 2048 位当成终点。第五,持续跟踪:这两篇论文还是工作论文,没有经过同行评审;后续的评审意见、复现结果和 DeepMind 可能公布的更多细节,都值得跟进。密码学的安全边界从来不是一次宣布就定型的,它是被一篇篇论文不断重划的——这次重划的幅度格外大,因为执笔的换成了 AI。
这两篇论文接下来会去哪,也值得跟进。它们现在是工作论文,没有经过同行评审;密码学界的惯例是,这类结果会投向 IACR 的会议或期刊,接受同行们用放大镜挑错——数域筛法的启发式假设、渐近估计的常数项、复现实验的细节,每一处都可能被追问。9 月那篇 ePrint 论文走的就是这条路,先挂出来、再接受检验。与此同时,NIST 的后量子密码标准已经落地,谷歌、Cloudflare 这些厂商也都在把抗量子算法推进生产环境。DeepMind 的研究不会直接决定任何一家厂商的迁移时间表,但它改变了讨论的语气:以前人们问的是“量子计算机什么时候能威胁 RSA”,现在还要再问一句“AI 智能体什么时候能把理论攻击变成工程现实”。两个问题的答案都在变近,防守方的准备工作也得跟着提速。
最后提醒一句,别被“1600 倍”“30 倍”这类数字带跑。1600 倍是理论值、没跑过;30 倍是纸面方法、没实现;真正跑过、能写进账本的,是 3.5 倍和 3.2 天。这两个数字已经足够说明问题:AI 智能体第一次在密码学前沿独立扛起了几周量级的研究工作,而人类只需要在旁边点头。1024 位 RSA 本来就该退役了,这次只不过是 AI 替它把讣告写得更具体了一点。
评论 (0)
原始来源
相关文章
2026 年 11 月 16 日,Google 威胁情报小组发布季度报告:攻击者第一次用大语言模型框架把漏洞发现和利用整个链条全自动化了,中间没有人。证据是一台暴露的服务器,里面的 exploit_agent 框架盯着补丁公告,逐行比对代码、写出利用代码、自动打出去。同一份报告里,朝鲜背景的攻击者还把 Claude Code 的配置文件改成后门触发器,偷来的云算力一天能刷掉十万美元账单。
2026 年 11 月 18 日,谷歌研究院等团队在 arXiv 发布 BuggyMLE:往 222 个能跑的机器学习仓库里注入 bug,14 个模型从最简单的 95% 一路跌到最难的 9%。一个 90 亿参数的小模型靠从易到难的课表,在 10 个 bug 那档超过了 Claude Opus 5.5。
2026 年 11 月 17 日,微软发布 MAI Code 2 和 Code 2 Flash:大模型 770 亿激活参数、100 万上下文,四项基准平均通过率 63.2%,与 GPT-6.1 Sol、Claude Opus 5.5 咬得很紧,但每任务成本只有 0.309 美元。先看清三处“但是”:价格是推广价、分数是三者最低、长周期任务不在舒适区。