Anthropic 的 Claude 不到 30 分钟解开 NSA 25 年密码学谜题

2026-10-17

Anthropic 的 AI Claude 解开了一个长达 25 年的密码学谜题。NIST 在 2000 年标准化了 ECDSA 标准中的若干曲线，ECDSA 是使用最广泛的椭圆曲线数字签名框架。NSA 提供了种子——用于生成曲线参数的起始值——却没有给出任何解释。没有人知道它们是如何产生的，这助长了对可能存在后门的怀疑。这个谜题甚至吸引了赏金和业余侦探式调查。已故 NSA 雇员 Jerry Solinas 曾提出，这些种子是一句幽默短语的哈希，但事实证明那是错的。Claude 在不到 30 分钟内解开了它。种子来自 “lrand48”，一个简单的 C 随机数生成器，用 1997 年 5 月至 1998 年 4 月之间的 Unix 时间戳初始化。Claude 发现了这个模式，因为 “lrand48” 只输出 31 位，而一些种子中的最高位系统性地为零。根据 Anthropic 的说法，这使得刻意后门的可能性降低。Anthropic 正在将 36,864 美元赏金捐给 Internet Security Research Group。

Anthropic 称 Claude 在不到 30 分钟内解开了 NIST ECDSA 曲线参数种子来源谜题：种子来自用 Unix 时间戳初始化的 lrand48，而非刻意后门；Anthropic 将 36,864 美元赏金捐给互联网安全研究组。

这是什么信号：这不是一条普通的“AI 会答题”新闻，而是 AI 被用于密码学取证和标准参数溯源。公开信号显示，Claude 针对 NIST ECDSA 曲线种子的长期谜题，给出了可检验的生成机制假设：种子可能来自 lrand48，并以 1997 年 5 月至 1998 年 4 月之间的 Unix 时间戳初始化；关键线索是 lrand48 只输出 31 位，导致部分种子高位系统性为零。

为什么重要：密码学标准的信任不仅来自算法本身，也来自参数来源是否透明。NSA 当年提供种子却不解释来源，长期放大了“是否存在刻意后门”的怀疑。Claude 的推断如果经得起复现，至少能解释种子如何产生，从而降低对蓄意植入后门的怀疑。它的价值不在于 AI 替代密码学家，而在于 AI 能从看似无关的位数特征和时间范围中提出高价值假设，显著压缩人工排查空间。

对谁有价值：安全研究者、标准制定与审计人员、使用 ECDSA 的企业安全团队、做 AI 安全与合规的人，都会关心这条信号。对 AI 应用团队而言，它展示了“模式识别 + 历史数据溯源”在安全审计中的真实用例；对标准组织而言，它提醒参数 provenance（来源可追溯性）本身就是安全资产。

可以怎么行动：第一，把 AI 用在“生成假设”而不是“给定结论”，让模型扫描参数、日志、时间戳和随机数生成器的统计特征。第二，对 AI 提出的机制做代码级复现和专家复核，确认时间范围、位宽和种子分布是否吻合。第三，对组织内部使用的历史曲线参数、随机数生成器和标准配置做来源审计，优先处理“来源不可解释但被长期信任”的组件。第四，把这类案例沉淀为 AI 辅助安全审计流程：线索提取、假设生成、复现验证、证据留档。

风险或限制：公开信号没有给出完整复现细节，Claude 的推断仍需密码学专家验证。即使种子来源被解释，也不能直接证明所有曲线不存在其他风险；它降低的是“种子被刻意构造”的怀疑，而不是给出全面安全保证。AI 的模式识别也可能过拟合，若缺少可复现代码和独立验证，容易把相关性误当成结论。因此，这条信号应被当作高价值线索，而不是最终审计结论。

这条内容的真正价值，不只是“有人发布了一个新功能”，而是它揭示了 the-decoder.com 背后的产品方向、工作流变化或竞争信号。对 OPC 来说，这种信息可以转化成持续追踪的栏目选题。

如果把《Anthropic 的 Claude 不到 30 分钟解开 NSA 25 年密码学谜题》放到你的内容系统里，它最大的价值在于帮助读者更快看懂“为什么值得关注”，而不是只看到一条碎片化动态。