Anthropic ใช้ Claude Mythos หาช่องโหว่ในอัลกอริทึมเข้ารหัส — ลดความแข็งแรงของ HAWK จาก 2^64 เหลือ 2^38 และเร่งการโจมตี AES 7 รอบได้ 200–800 เท่า

เมื่อ 28 กรกฎาคม 2026 Anthropic เผยแพร่งานวิจัยชิ้นที่น่าจะถูกอ้างถึงไปอีกนาน: การใช้ Claude Mythos Preview ทำ cryptanalysis — การวิเคราะห์หาจุดอ่อนของอัลกอริทึมเข้ารหัส — แล้วได้ผลลัพธ์ที่นักวิจัยมนุษย์ตรวจสอบแล้วว่าเป็นของจริงสองชิ้น ทั้งกับ HAWK (โครงร่างลายเซ็นดิจิทัลแบบ post-quantum) และกับ AES-128 แบบลดจำนวนรอบ

ประเด็นสำคัญที่ต้องพูดก่อนอย่างอื่น เพราะพาดหัวแบบนี้ทำให้คนตกใจง่าย: ผลทั้งสองชิ้นไม่กระทบระบบคอมพิวเตอร์ที่ใช้งานอยู่จริงในวันนี้ AES ตัวเต็ม 10 รอบที่รองรับ HTTPS ธนาคาร และดิสก์เข้ารหัสของคุณ ยังไม่ถูกแตะ ส่วน HAWK ก็ยังไม่ได้ถูกนำไปใช้งานแพร่หลาย สิ่งที่เปลี่ยนไปไม่ใช่ความปลอดภัยของวันนี้ แต่คือ ต้นทุนและความเร็วของการค้นพบจุดอ่อนทางคณิตศาสตร์ ซึ่งเป็นเรื่องที่ใหญ่กว่าในระยะยาว

HAWK: เจอสมมาตรที่ซ่อนอยู่ในแลตทิซ ตัดความแข็งแรงลงครึ่งหนึ่ง

HAWK เป็นโครงร่างลายเซ็นดิจิทัลบนพื้นฐานแลตทิซ ที่ถูกเสนอเป็นตัวเลือกสำหรับยุค post-quantum จุดขายของมันคือเร็วและกะทัดรัด

Mythos ค้นพบ nontrivial automorphism ในแลตทิซที่ HAWK ใช้ — พูดง่าย ๆ คือความสมมาตรทางคณิตศาสตร์ที่ซ่อนอยู่ในโครงสร้าง ซึ่งไม่มีใครสังเกตเห็นมาก่อน และเมื่อรู้ว่ามันมีอยู่ ผู้โจมตีก็สามารถลดพื้นที่ที่ต้องค้นหาลงได้อย่างมาก ผลคือ ขนาดกุญแจที่มีผลจริงถูกหั่นลงครึ่งหนึ่ง และต้นทุนคาดหวังในการกู้กุญแจของ HAWK-256 ลดจาก 2^64 เหลือ 2^38

ตัวเลข 2^38 นี้อยู่ในระดับที่เครื่องคอมพิวเตอร์ธรรมดารันได้ นั่นแปลว่าพารามิเตอร์ชุดนั้นไม่ปลอดภัยอีกต่อไป ทางแก้ที่ตรงไปตรงมาคือเพิ่มขนาดกุญแจเป็นสองเท่า แต่ตามที่นักวิจัยระบุไว้ การทำแบบนั้น “ลบล้างเหตุผลหลายข้อที่ทำให้ HAWK เป็นตัวเลือกลายเซ็น PQC ที่น่าสนใจ” — เพราะความกะทัดรัดคือจุดขายของมันตั้งแต่แรก

งานชิ้นนี้ใช้นักวิจัย Anthropic หนึ่งคนทำงานร่วมกับ Mythos ราว 60 ชั่วโมง ผ่านโครงสร้าง multi-agent ที่ต่อกับเครื่องมือคำนวณและคลังวรรณกรรมด้านการเข้ารหัส คิดเป็นค่า API ราว 100,000 ดอลลาร์สหรัฐ

AES 7 รอบ: โมเดลทำเองเกือบทั้งหมด ด้วยพรอมป์ 3 ครั้ง

ชิ้นที่สองน่าสนใจกว่าในแง่กระบวนการ Mythos สร้างอัลกอริทึม fingerprinting ที่นักวิจัยตั้งชื่อว่า “Möbius Bridge” ซึ่งปรับปรุงการโจมตีแบบ meet-in-the-middle บน AES-128 ที่ลดเหลือ 7 รอบ โดยตัดขั้นตอนการไล่ค้นออกไปหนึ่งชั้น ผลคือเร็วกว่าวิธีที่ดีที่สุดก่อนหน้า 200 ถึง 800 เท่า ขึ้นกับวิธีวัด

สิ่งที่ทำให้ชิ้นนี้ต่างจากชิ้นแรกคือ ระดับการพึ่งพามนุษย์ งานนี้ Mythos ทำ “เกือบทั้งหมดโดยอัตโนมัติ” ใช้พรอมป์ที่มีเนื้อหาจริง ๆ เพียง 3 ครั้ง ตลอดสามวัน และผลิตโทเคนขาออกรวมราว หนึ่งพันล้านโทเคน ค่า API อยู่ในระดับ 100,000 ดอลลาร์เช่นกัน

จุดที่ควรอ่านให้ดีคือเนื้อหาของพรอมป์เหล่านั้น ตามที่ Simon Willison สรุปไว้ การชี้นำของมนุษย์ส่วนใหญ่คือ การกระตุ้นให้โมเดลไม่ยอมแพ้ — เพราะ “โมเดลมักคิดว่าโจทย์นี้แก้ไม่ได้ เลยไม่พยายาม” ไม่ใช่การบอกใบ้ทางคณิตศาสตร์

และเช่นเดียวกับ HAWK ต้องพูดข้อจำกัดให้ชัด: การโจมตีนี้ ไม่สามารถทำได้จริงในทางปฏิบัติ มันต้องใช้ chosen plaintext ถึง 2^105 ชุด ซึ่งเป็นจำนวนที่ไม่มีทางรวบรวมได้ในจักรวาลนี้ คุณค่าของมันเป็นเชิงทฤษฎีล้วน ๆ

LEA และ Serpent: อันนี้ใกล้เคียง “ใช้ได้จริง” มากกว่า

นอกจากสองชิ้นหลัก บทความยังระบุผลเพิ่มเติมที่ยังอยู่ระหว่างตรวจสอบ:

• LEA แบบ 13 รอบ — Mythos ผลิตการโจมตีที่ใช้ plaintext เข้ารหัสน้อยกว่า 2^30 ชุด และรันจบ ในเวลาไม่ถึงหนึ่งชั่วโมงบนเดสก์ท็อปทั่วไป เทียบกับงานก่อนหน้าที่ต้องใช้คู่ plaintext ระดับ 2^98 และงานคำนวณ 2^86 นี่คือระยะห่างที่ต่างกันคนละโลก
• Serpent-128 แบบ 6 รอบ — พบการกู้กุญแจได้เต็มรูปแบบ ต่อยอดจากงานเดิมที่ต้องใช้คู่ plaintext มากกว่า 2^70

ทั้งสองยังเป็นเวอร์ชันลดรอบเช่นกัน ไม่ใช่ตัวเต็มที่ใช้งานจริง

คอขวดไม่ได้อยู่ที่การค้นพบ แต่อยู่ที่การตรวจสอบ

ตัวเลขที่ผมคิดว่าสำคัญที่สุดในบทความทั้งหมด ไม่ใช่ 2^38 หรือ 800 เท่า แต่เป็นอันนี้:

Mythos ใช้เวลา หนึ่งสัปดาห์ ค้นพบการโจมตี AES ที่ปรับปรุงแล้วด้วยตัวเอง แต่นักวิจัยสองคนใช้เวลา เกือบหนึ่งเดือน กว่าจะมั่นใจว่ามันถูกต้อง

นักวิจัยยังบอกด้วยว่าต้องไปเรียนคริปโตกราฟีเพิ่มพอสมควรเพื่อจะตรวจงานชิ้นนี้ได้ รวมแล้วการ validate กินเวลาหลายร้อยชั่วโมงคน

Anthropic สรุปแนวโน้มไว้เองว่า “ภายในเวลาเพียงหนึ่งปี โมเดลภาษาเปลี่ยนจากทำ cryptanalysis กับรหัสพื้นฐานที่สุดยังไม่ได้ มาเป็นสามารถหาข้อบกพร่องในการออกแบบเชิงเข้ารหัสที่รอดพ้นสายตาผู้เชี่ยวชาญมาหลายปี” และคาดว่าวงการความมั่นคงไซเบอร์ “จะตามปริมาณการค้นพบบั๊กไม่ทัน” — โดยวงการคริปโตกราฟีเชิงวิชาการจะเจอคอขวดแบบเดียวกัน

เอกสารประกอบเปิดให้อ่านครบ ทั้ง เปเปอร์ HAWK, เปเปอร์ AES Möbius Bridge, chain-of-thought ฉบับเต็มของงาน AES และเบนช์มาร์ก CryptanalysisBench

มุมมอง AI Curator

ผมอยากให้แยกข่าวนี้ออกเป็นสองชั้น เพราะคนจะอ่านผิดชั้นกันเยอะ

ชั้นที่หนึ่ง — ความปลอดภัยวันนี้: ไม่มีอะไรต้องทำ ถ้าคุณดูแลระบบธนาคาร ระบบราชการ หรือแอปที่ใช้ TLS อยู่ ข่าวนี้ไม่ได้บอกให้คุณเปลี่ยนอะไรทั้งสิ้น AES-128 ตัวเต็มยังแข็งแรง การโจมตี 7 รอบที่ต้องใช้ plaintext 2^105 ชุดคือของสะสมทางวิชาการ ใครเอาข่าวนี้ไปขายว่า “AES แตกแล้ว ต้องซื้อโซลูชันใหม่” คือคนที่ควรถูกตั้งคำถาม และผมคาดว่าจะมีคนทำแบบนั้นในไทยภายในสัปดาห์นี้

ชั้นที่สอง — สมมติฐานเรื่องการรีวิว: ตรงนี้เปลี่ยนจริง สิ่งที่สั่นคลอนคือความเชื่อที่วงการเข้ารหัสใช้มาตลอดว่า “อัลกอริทึมที่ผ่านสายตาผู้เชี่ยวชาญมาหลายปีแล้วไม่มีใครเจอจุดอ่อน = น่าจะไม่มีจุดอ่อน” HAWK ผ่านกระบวนการนั้นมา แล้ว automorphism ตัวนั้นก็ยังอยู่ตรงนั้นโดยไม่มีใครเห็น สมมติฐานนี้อ่อนลงอย่างมีนัยสำคัญ

ที่เกี่ยวกับไทยโดยตรงคือ แผนย้ายไป post-quantum ตอนนี้หน่วยงานไทยหลายแห่ง — ธนาคาร ผู้ให้บริการ PKI สำนักงานที่ดูแลลายเซ็นดิจิทัล — เพิ่งเริ่มทำ crypto inventory และวางไทม์ไลน์ย้ายไปอัลกอริทึม PQC บทเรียนจากข่าวนี้ตรงมาก: อย่าล็อกตัวเองเข้ากับโครงร่างเดียว โดยเฉพาะตัวที่ยังไม่ผ่านการมาตรฐานเต็มรูปแบบ ควรออกแบบระบบให้ crypto-agile คือเปลี่ยนอัลกอริทึมได้โดยไม่ต้องรื้อสถาปัตยกรรม เพราะจากนี้ไปโอกาสที่โครงร่างหนึ่งจะถูกลดความแข็งแรงกลางทาง สูงกว่าที่เราเคยประเมินไว้ตอนวางแผน

จุดที่ผมคิดว่าคนมองข้ามคือ ราคา 100,000 ดอลลาร์ต่อหนึ่งการค้นพบ ตัวเลขนี้แพงเกินไปสำหรับนักวิจัยเดี่ยวหรือมหาวิทยาลัยไทย แต่ถูกอย่างน่าตกใจสำหรับหน่วยข่าวกรองระดับรัฐ หรือแม้แต่บริษัทขนาดกลาง 3.5 ล้านบาทเพื่อลองโจมตีอัลกอริทึมหนึ่งตัว คือค่าใช้จ่ายที่หลายองค์กรอนุมัติได้ในไตรมาสเดียว ความไม่สมมาตรตรงนี้จึงไม่ได้อยู่ที่ “AI แข็งแกร่งแค่ไหน” แต่อยู่ที่ ใครมีงบและใครไม่มี — และฝั่งตั้งรับที่งบน้อยกว่าคือฝั่งที่เสียเปรียบ

สุดท้าย ประเด็นที่ผมว่าเป็นบทเรียนใช้ได้ทันทีกับทีมไทยที่ใช้ AI ทำงานเทคนิคหนัก ๆ คือ คอขวดย้ายจากการผลิตไปที่การตรวจ หนึ่งสัปดาห์ค้นพบ หนึ่งเดือนตรวจสอบ — อัตราส่วนนี้จะปรากฏซ้ำในงานทุกประเภทที่ปล่อยให้โมเดลทำงานยาว ไม่ว่าจะเป็นการรีแฟกเตอร์โค้ดชุดใหญ่ การวิเคราะห์ข้อมูล หรือการร่างเอกสารเชิงเทคนิค ทีมที่วางแผนโดยคิดแค่ว่า “AI ทำให้เร็วขึ้น 10 เท่า” แล้วไม่ได้กันเวลาและกันคนไว้ตรวจ จะเจอกองงานที่ผลิตออกมาเร็วกว่าที่ตัวเองยืนยันความถูกต้องได้ ซึ่งอันตรายกว่าการทำงานช้า และที่สำคัญ ทักษะที่ขาดแคลนในตลาดจะไม่ใช่ “คนสั่ง AI เป็น” แต่เป็น คนที่เก่งพอจะบอกได้ว่าผลลัพธ์ของ AI ถูกหรือผิด

แหล่งข่าว

• Discovering cryptographic weaknesses with Claude — Anthropic Research
• Key recovery attack on HAWK (PDF) — Anthropic
• The Möbius Bridge: improved attack on 7-round AES (PDF) — Anthropic
• CryptanalysisBench — arXiv
• บันทึกและข้อสังเกตประจำวันที่ 28 ก.ค. 2026 — Simon Willison