مع التطورات المتسارعة في عالم الذكاء الاصطناعي، خاصة مع ظهور نماذج اللغة الكبيرة (LLMs)، يثار تساؤل مهم وحيوي حول قدرة هذه التقنيات على اختراق حصون الأمن الرقمي. هل يمكن لذكاء اصطناعي مثل كلود ميثوس (Claude Mythos) التابع لشركة أنثروبيك (Anthropic) أن يشكل تهديداً حقيقياً لخوارزميات التشفير المتماثل التي نعتمد عليها لحماية بياناتنا الحساسة؟
نماذج اللغة الكبيرة واكتشافات التشفير الحديثة
في 28 يوليو الماضي، أعلنت شركة أنثروبيك عن اكتشافات جديدة في مجال التحليل التشفيري تم تحقيقها باستخدام نموذجها اللغوي الكبير كلود ميثوس. هذه الاكتشافات شملت هجمات تحليلية على مخططات تشفير معينة، مما أثار جدلاً واسعاً حول مدى تأثير الذكاء الاصطناعي على أمن التشفير.
- هجوم استعادة مفتاح على HAWK: وهو مرشح لمخطط توقيع ما بعد الكم ضمن مشروع توحيد المعايير التابع للمعهد الوطني للمعايير والتقنية (NIST). على الرغم من أن الهجوم الجديد غير عملي بالنسبة للإصدارات الكاملة مثل HAWK-512، إلا أنه يقلل من مستوى الأمان المقدر لها.
- هجوم محسّن لاستعادة المفتاح على AES-128 ذي السبع جولات: هذا الهجوم غير عملي ولا يشكل أي تهديد لمعيار التشفير المتقدم (AES) بإصداره الكامل ذي العشر جولات. ومع ذلك، تُعد النتائج الجديدة في مجال تحليل AES نادرة ومهمة، بغض النظر عن طريقة اكتشافها.
في ورقة البحث الخاصة بهجوم AES، أشارت أنثروبيك إلى أهمية استكشاف اتجاه بحث التشفير المدعوم بنماذج اللغة الكبيرة، خاصة في الحالات التي تكون فيها الهجمات المكتشفة صعبة التنفيذ حسابياً. كما شددت على أهمية إضفاء الطابع الرسمي على تقنيات الهجوم المستخدمة في مجتمع التشفير. نحن نتفق مع هذا الطرح، خاصة الجزء الأخير الذي يؤكد أن التحليل التشفيري المتماثل بحاجة إلى أطر وصفية موحدة ومستوى أعلى من التجريد، بدلاً من الاعتماد على الشكليات المخصصة والمصطلحات غير الموحدة. نتوقع أيضاً أن تتمكن نماذج اللغة الكبيرة من العثور على أخطاء في تقديرات تعقيد الهجمات التشفيرية وفي إثباتات الأمان.
بالإضافة إلى ذلك، ساهمت أنثروبيك في إنشاء منصة CryptanalysisBench، وهي معيار لتقييم نماذج اللغة الكبيرة يتضمن مهام تحليل تشفيري على إصدارات كاملة ومختصرة من AES وChaCha والخوارزميات المقدمة لمسابقات NIST، بما في ذلك مخططات ما بعد الكم مثل BLAKE.
لماذا لن تكسر نماذج اللغة الكبيرة التشفير المتماثل؟
قد يتساءل البعض، خاصة غير المطلعين على التحليل التشفيري، عما إذا كانت نماذج اللغة الكبيرة قادرة على كسر خوارزميات AES أو ChaCha أو SHA-3 أو BLAKE3 وغيرها من الخوارزميات المتماثلة المستخدمة حالياً. الإجابة المختصرة هي: لا، أنا لست قلقاً. أثق بأن نماذج اللغة الكبيرة لن تكسر أيًا من مخططات التشفير الراسخة.
كما كتب ماثيو غرين في تدوينة ممتازة، فإن المخططات المتماثلة (مثل تشفير الكتل والتدفق، ودوال التجزئة، ورموز مصادقة الرسائل) تتميز بالفوضى والمتانة. هذه الخوارزميات مصممة عمداً لتكون سهلة التطبيق في كل جولة، ولكنها معقدة للغاية ويصعب فك تشابكها عبر تكرار الجولات. هذا التعقيد المتأصل يجعل من الصعب جداً على الذكاء الاصطناعي إيجاد ثغرات.
1. هيكليتها عالية المستوى آمنة
تعتبر الهياكل عالية المستوى للتشفير المتماثل، مثل أوضاع التشغيل GCM وCTR لتشفير الكتل، وأوضاع دوال التجزئة مثل بناء الإسفنجة (sponge construction)، آمنة بطبيعتها. كما أن البناء القائم على الجولات للتباديل الممكنة أو غير الممكنة التي تشكل جوهر معظم المخططات المتماثلة، يضيف طبقة قوية من الأمان.
2. تفتقر إلى البنية الرياضية
على عكس المشكلات الرياضية الحقيقية ومعظم مخططات المفتاح العام، لا يمكن وصف تشفيرات التماثل عموماً على أنها تحويلات نظيفة ضمن بنية رياضية واضحة. الهدف عند تصميم دالة تجزئة أو تشفير كتل هو التخلص من أي بنية أو تناظر أو نمط يمكن أن يسمح للمهاجم بوصف الحساب على أنه شيء أبسط من سلسلة العمليات الأولية التي يؤديها. على سبيل المثال، BLAKE3 هو في الأساس تسلسل طويل من عمليات XOR والإضافات المعيارية وتدوير البتات. لا توجد طريقة أخرى واضحة لوصفه أو استنتاج بنية عالية المستوى منه.
3. تعتمد بشكل أساسي على التحليل التفاضلي
سواء كان الأمر يتعلق بالتحليل الخطي، أو هجمات المستطيل (rectangle attacks)، أو هجمات البوميرانج (boomerang attacks)، أو هجمات التكامل (integrate attacks)، أو هجمات المكعب (cube attacks)، بالإضافة إلى هجمات الانزلاق (slide attacks) ومعظم حيل التحليل التشفيري، فإنها جميعاً أشكال من التحليل التفاضلي. تستغل هذه التقنيات الأنماط المدخلة-المخرجة التي تُظهر انحرافاً إحصائياً عن الحالة المثالية. هذا المجال تم استكشافه على نطاق واسع جداً، ولذلك فمن غير المرجح أن تكتشف نماذج اللغة الكبيرة فئات جديدة تماماً من الهجمات.
4. التحليل التفاضلي تجريبي جزئياً
في كثير من الحالات، يكتشف محللو التشفير انحيازات إحصائية عن طريق إجراء تجارب دون فهم دقيق لسبب وجود هذه الانحيازات. بعد ملاحظة انحيازات كبيرة نسبياً، قد يستنتجون وجود انحيازات أصغر تتطلب الكثير من العينات لقياسها بشكل موثوق، ولكن يمكن استغلالها في هجوم. لا أدعي أن نماذج اللغة الكبيرة لا يمكنها إجراء مثل هذه التجارب، ولكن الحاجة إلى تصميمها وتنفيذها وتفسيرها يجعل مهمتها أكثر صعوبة.
5. صمدت أمام اختبار الزمن والمعارك
لقد خضعت هذه التصميمات لآلاف الساعات من التدقيق في التحليل التشفيري، وكان معظمها غير ناجح وبالتالي لم يتم نشره. لقد طبق الباحثون براعتهم البشرية وإبداعهم وكميات هائلة من الحسابات للبحث عن إحصائيات متحيزة ولإجراء تحليل آلي وفي بعض الأحيان التحقق الرسمي. وماذا وجدوا؟ في الغالب، النتيجة المتوقعة هي أن المتغيرات ذات الجولات المخفضة أسهل في الكسر، بينما تزداد قوة الخوارزميات بشكل كبير مع إضافة المزيد من الجولات.
باختصار، يظل التشفير المتماثل أقوى جزء في أنظمتنا الأمنية. لذا، فإن استخدام نماذج اللغة الكبيرة في العثور على أخطاء في أماكن أخرى، بما في ذلك المرشحون غير المحللين جيداً لمعايير ما بعد الكم، سيكون أكثر فائدة بكثير من محاولة كسر تحصينات صمدت لعقود. إن حصون التشفير المتماثل لا تزال راسخة وقادرة على مواجهة تحديات العصر الرقمي.