11月22日晚,MiniMax公布最新内部模型的密码分析研究成果。
MiniMax研究团队利用内部模型对现代密码方案开展了系统性的自动化密码分析,发掘出多处此前未知的算法构造缺陷,并将多项原本停留在理论层面的攻击,推进到秒级至分钟级的高效破解。
该模型在求解作为公钥密码体系基石的经典数学困难问题时,展现出将密码学算法隐含代数结构的挖掘与系统级工程优化相结合的能力,在国际公开挑战赛中首次攻克了数十个此前尚无公开解的高阶挑战实例,并与当前最优的求解算法相比实现了数百至数万倍的实测加速。
密码算法广泛用于网络通信、金融交易和数字基础设施。密码分析的一项核心任务,是在算法设计公开、测试条件明确的前提下,寻找其中可利用的数学弱点,并检验利用这些弱点需要多少算力。对大模型而言,这要求它既能完成多步数学推导,也能把推导写成可运行的程序,在有限算力下得到可验证的结果。
11月20日,Anthropic数学家Levent Alpge公布了与Claude合作得出的黎曼猜想形式化证明,Lean与Mathlib社区随后发布联合声明,确认该证明通过核验。这一事件让AI4S(人工智能辅助科学研究,AI for Science)在全球受到更多关注。AI 在科研中的作用,正在从检索资料、分析数据等日常工作,延伸到提出新方法、参与形成可验证的研究结果。
近半年来,OpenAI、Anthropic等全球前沿模型团队接连公布数学、理论物理和计算机科学领域的研究成果。MiniMax此次在密码分析上的先行探索,交出了一份在AI4S领域有价值的研究结果。对国产大模型而言,在服务日常工作、提升通用智能之外,如何从各学科尚未解决的问题出发,深入参与基础科学的原创发现,正在成为一项重要任务。
(文章来源:广州日报)