Modelos de IA descubren vulnerabilidades matemáticas en criptografía postcuántica
Sistemas avanzados identifican simetrías no exploradas en algoritmos de firma digital y cifrado simétrico
Modelos de lenguaje de última generación han demostrado capacidad para detectar debilidades matemáticas fundamentales en algoritmos criptográficos, no solo errores de implementación. Esto incluye la identificación de simetrías previamente desconocidas en esquemas de firma digital postcuántica y técnicas de criptoanálisis que superan métodos convencionales en órdenes de magnitud. Dos casos…
Modelos de lenguaje de última generación han demostrado capacidad para detectar debilidades matemáticas fundamentales en algoritmos criptográficos, no solo errores de implementación. Esto incluye la identificación de simetrías previamente desconocidas en esquemas de firma digital postcuántica y técnicas de criptoanálisis que superan métodos convencionales en órdenes de magnitud.
Dos casos de estudio ilustran el alcance de esta capacidad. En el primero, un modelo operó de manera semiautónoma para analizar HAWK, un esquema de firma digital diseñado para resistir ataques de computadoras cuánticas. En solo 60 horas, el sistema mejoró el ataque más eficaz conocido y descubrió una simetría matemática que reduce a la mitad la efectividad de las claves. Esta simetría explota el Problema del Isomorfismo de Retículos, la base matemática de HAWK, lo que implicaría duplicar el tamaño de las claves para mantener el nivel de seguridad original, anulando las ventajas que el esquema promete.
En el segundo caso, el modelo desarrolló de forma casi autónoma una técnica denominada 'Möbius Bridge' contra una versión reducida de AES-128 (el estándar de cifrado simétrico más utilizado globalmente). El ataque resultante fue entre 200 y 800 veces más rápido que el mejor método conocido. Inicialmente, el sistema se mostró reacio a la tarea, argumentando que mejorar el criptoanálisis de AES era imposible, pero tras tres días de trabajo autónomo, logró superar esa limitación.
La importancia de estos hallazgos radica en que los algoritmos criptográficos son infraestructura crítica. Cada navegación web segura, transacción bancaria en línea o envío de correo electrónico depende de estos sistemas. Una vulnerabilidad matemática fundamental afecta a millones de usuarios simultáneamente, a diferencia de un error de programación que puede parcharse localmente.
Es relevante notar que ninguno de los ataques se ejecutó en sistemas en producción. HAWK aún no ha sido implementado en infraestructura operativa. El costo computacional de cada análisis alcanzó aproximadamente 100,000 dólares en llamadas a API. Los investigadores notificaron a los desarrolladores de HAWK antes de la divulgación pública y coordinaron con el Instituto Nacional de Estándares y Tecnología (NIST) siguiendo protocolos de divulgación responsable.
Esta investigación, desarrollada en colaboración con instituciones académicas de Zúrich, Tel Aviv y Haifa, ha generado un marco de evaluación (CryptanalysisBench) para medir continuamente la capacidad de sistemas de IA en el análisis de algoritmos de cifrado. El hallazgo plantea preguntas estratégicas para CTO y equipos de seguridad: ¿qué algoritmos en fase de estandarización podrían contener vulnerabilidades matemáticas similares? ¿Cuál es el ciclo de vida apropiado para algoritmos postcuánticos antes de su adopción masiva? ¿Cómo integrar estas capacidades de análisis en procesos de validación criptográfica?
