@paul_cal：一个诡异的世界，我们不得不信任少数几家前沿实验室来判断哪些加密算法和位数仍然安全……
摘要
Paul Calvetti 对 Matthew Green 的帖子发表评论，表达了一种不安：我们不得不依赖少数几家前沿 AI 实验室来决定哪些加密算法和位数仍然安全，而风险在于这些实验室的内部模型可能已经破解了它们。
查看缓存全文
缓存时间: 2026/10/10 08:46
在这个奇怪的世界里，我们不得不信任少数几家前沿实验室，让他们来告诉我们哪些加密算法和比特深度仍然是安全的，确定没有被他们内部的模型破解。
Matthew Green (@matthew_d_green)： 所以这样一来，我们就可以依赖“机器们现在说它们卡住了“这个事实——新数字下的各种假设看起来相当稳固，而且没有任何实验室能取得进一步进展。
你对此感觉如何？我感觉不太好。我觉得没有人会对此感到安心。
相似文章
引用 Matthew Green 的观点
密码学研究员 Matthew Green 警告称，AI 引发的意外事件虽概率不大但绝非微不足道，有可能动摇人们对公钥加密的信心。他认为，若不提前做好准备，标准的更换速度将无法跟上。
继AI模型接连攻克长期悬而未决的数学难题之后，业内专家Scott Aaronson透露，各AI实验室正悄然测试其最新内部模型能否攻破主要密码学协议
继AI模型接连攻克长期悬而未决的数学难题之后，业内专家Scott Aaronson透露，各AI实验室正悄然测试其最新内部模型能否攻破主要密码学协议
引用 Matthew Green
Matthew Green 讨论了向 post-quantum cryptography 的历史性转变，以及 AI 推动 cryptanalysis 发展的潜力，特别是在 Anthropic 近期工作的背景下。
真正的AI风险在实验室内部（5分钟阅读）
作者认为，主要的人工智能风险来自前沿实验室内部的泄露，而不是来自开放权重模型，并呼吁国际安全监督和平衡考虑进展。
@tenobrus：我的先验是，除非软件真的经过形式化验证，或者完全物理气隙隔离，否则不管是什么，都会像湿纸一样被撕穿——就算今天没有，三个月后也会。
一位开发者表达了悲观的先验：任何缺少形式化验证或物理气隙隔离的软件都注定会被攻破。这一观点是对相关讨论的回应——讨论涉及某 AI 实验室在智能体隔离安全评估中失败，以及近期内核 CVE 和 KVM 逃逸漏洞的背景。