Advanced Encryption Standard
PulseAugur coverage of Advanced Encryption Standard — every cluster mentioning Advanced Encryption Standard across labs, papers, and developer communities, ranked by signal.
3 天有情绪数据
AES reduced-round attack acceleration could spur new cryptanalysis research
Anthropic's Claude Mythos Preview has demonstrated a technique that accelerates known attacks on reduced-round AES-128 by hundreds of times. This significant speedup could encourage further research into cryptanalysis of AES variants, potentially leading to new theoretical attacks or practical exploits against specific configurations.
LLMs are being actively used to find vulnerabilities in cryptographic algorithms and implementations.
Recent evidence shows LLMs like Anthropic's Claude Mythos Preview are not only finding theoretical cracks in cipher designs (HAWK, AES) but are also being employed to audit cryptographic code for common implementation flaws. This suggests a growing trend of AI-assisted security analysis in cryptography.
Quantum cryptanalysis research will increasingly target symmetric ciphers on real hardware.
The successful demonstration of quantum cryptanalysis on IBM hardware, targeting symmetric cipher structures with algorithms like Simon's, indicates a shift towards practical, hardware-based attacks. Future research is likely to expand on this, testing larger qubit instances and more complex symmetric cipher designs on available quantum computing platforms.
-
AI 计算能力引发对 Rijndael 加密安全性的质疑
一位 Mastodon 用户在面对日益增长的 AI 计算能力时，对 Rijndael 加密算法的安全性提出了质疑。他们描述了一种简单的 Web 应用程序安全技术，通过使用 Rijndael 256 加密系统参数来避免会话和 Cookie，他们认为这可以验证客户端交互。然而，他们想知道，AI 驱动的超级计算的广泛可用性是否已经使这种方法不再安全。
-
据报道，AI模型正被测试破解加密协议的能力
领先的AI实验室据报道正在测试其最先进的内部模型破解主要加密协议的能力。此前，AI在解决复杂数学问题方面取得了最新成功。这些模型正根据RSA-2048和NIST PQC等标准进行评估，人们担心一旦取得突破，可能会破坏当前的加密方法。
-
新型防火墙工具保护客服LLM免遭个人身份信息泄露
一款名为Resk的新型开源工具已被开发出来，用作客服AI助手的防火墙，防止个人身份信息（PII）泄露。该工具使用FastAPI和React构建，位于用户和LLM提供商之间，提供基于角色的访问控制（RBAC）、策略过滤和工具门控等功能。本教程演示了如何部署Resk以保护敏感客户数据不被恶意提示或受损的工具访问泄露。
-
Nvidia、Google 推出 AI 能源管理联盟，以加快数据中心电网连接速度 · 跟踪 6 个来源
Nvidia 和 Google 与 Emerald AI 及其他 16 家公司一起推出了 AI 能源管理联盟 (AEMA)，以应对人工智能数据中心日益增长的电力需求。该联盟旨在创建更灵活的数据中心，在高峰需求期间减少电力使用，以换取更快的电网连接。该倡议旨在避免大规模电网升级并提高现有电力基础设施的利用率，从而可能为人工智能开发释放大量新产能并提升美国的竞争力。
-
科技巨头成立AI能源管理联盟，推动数据中心灵活用电
谷歌（Google）、英伟达（Nvidia）等科技巨头与初创公司Emerald AI共同启动了一个新的联盟——AI能源管理联盟（AI Energy Management Alliance），旨在推广数据中心的灵活用电需求。该倡议旨在降低电价、解决社区对资源影响的担忧，并促进AI基础设施的扩展。该联盟由20家公司和组织组成，寻求制定新规则，奖励那些在高峰时段减少电网需求的数据中心，可能通过转移计算任务或利用备用电源来实现。
-
AI 协助 TxtCipher 安全审查，发现加密漏洞
使用 Claude Code 和 Fable 模型对 TxtCipher Web 应用程序进行了安全审查。审查发现了 RC4 密钥流重用问题，并提出了版本化 AES 格式。AI 模型在开发更改和配套博文方面提供了显著帮助。
-
NeoGeo AES+ 重制版因 AI 驱动的内存危机推迟至 2027 年
硬件级精确的 NeoGeo AES+ 主机重制版的发布已推迟至 2027 年底。此次延迟归因于内存组件短缺，而内存短缺又因高需求和人工智能技术对内存日益增长的消耗而加剧。该主机旨在成为原始 NeoGeo AES 的 1:1 复制品，采用专用 ASIC 芯片和当代处理器克隆。
-
首席信息安全官们收到警告：加密资产清单具有误导性，应关注使用而非存在
ISARA Corporation的首席执行官Atsushi Yamada认为，传统的加密资产清单方法无法满足现代安全需求。他解释说，仅仅列出加密对象（如算法、证书和密钥）会提供对实际风险的误导性认识。这些对象中的大部分通常处于休眠状态或已被弃用，而真正的漏洞则在于一小部分积极使用的加密技术，这些技术可能采用弱参数或过时协议。
-
AI实验室可能混淆了安全与安保，导致漏洞
作者认为，领先的AI实验室可能将AI安全（safety）与AI安保（security）混为一谈，从而导致关键漏洞。AI安全侧重于对齐和防止有害输出，依赖于分类器和权重调整等不完美的方法。相比之下，AI安保要求像传统计算机科学标准那样彻底修复漏洞。作者以Anthropic的Boris Cherny关于提示注入“已基本解决”的说法为例，指出基准测试中攻击仍然在相当大的比例上成功，并认为这种方法可能导致了近期的沙盒逃逸事件。
-
TokenPAPA 详细介绍 LLM API 聚合器的安全措施
TokenPAPA 是一个提供对 30 多个 LLM 模型访问的 API 聚合器，它强调了其在处理用户数据方面的安全和隐私措施。该服务使用 TLS 1.3 加密所有流量，并使用 AES-256 加密静态数据，确保提示和完成永远不会以明文形式发送，并且存储的数据在没有单独密钥的情况下无法读取。API 密钥以加盐的单向哈希形式存储，并且从不记录，同时提供范围限定、撤销和使用限制的选项。支付处理通过 Stripe 进行，符合 PCI-DSS…
-
LLMs Grok 和 Gemini 被加密指令攻击绕过
Adversa AI 的研究人员展示了一种新颖的攻击向量，该向量可以绕过 Grok 和 Gemini 等 LLM 的安全措施。该技术涉及将加密的恶意指令嵌入网页中，然后 LLM 会将其解密并作为可信输出执行。这绕过了传统的输入和输出过滤器，因为恶意负载在模型沙箱内解密之前不可见明文。该攻击利用了一个信任边界问题，其中解密的明文被视为模型自身生成的内容，从而允许模型通过出站 URL 请求泄露用户数据，而无需任何用户交互。
-
OpenAI 通过先进的加密和访问控制加强客户隐私
OpenAI 正在加强其客户隐私措施，采用先进的加密和访问控制来保护敏感的企业数据。这些举措旨在建立客户信任并降低风险，使 OpenAI 在与 Anthropic 等竞争对手的竞争中占据优势。该公司的做法包括对静态和传输中的数据使用 AES-256 加密、基于角色的访问控制以及定期审计，以确保符合 GDPR、CCPA 和 HIPAA 等法规。
-
LLM 代理创建自适应硬件木马以测试检测器弱点
研究人员开发了 TrojanGYM，一个利用多个大型语言模型创建自适应硬件木马的新颖框架。这些木马通过生成利用检测器盲点的多样化触发器和载荷，旨在绕过现有的基于学习的检测器。该框架包含一个涉及 LLM 代理、语法检查、功能验证和基于 GNN 的检测器的迭代循环，以改进木马插入策略。还引入了一个新的检测器 Robust-GNN4TJ，它显著提高了对 LLM 生成木马的检测率。
-
Claude "Mythos" 预览版削弱加密算法
Anthropic 的 Claude "Mythos" 模型预览版展示了削弱 PQC HAWK 加密算法和 AES 的新攻击。这些发现表明，在高级 AI 分析的条件下，广泛使用的加密标准可能存在潜在漏洞。
-
隐形USB驱动器在诱饵盘后隐藏加密分区
Rootkit Labs开发了一款名为Phantom Drive的开源隐形USB驱动器，它在标准的8GB诱饵盘后隐藏了一个加密分区。该设备看起来像一个普通的USB存储棒，直到用户创建一个包含密码的特定文本文件。此操作会触发固件解锁一个由AES-256加密保护的隐藏分区，该加密使用从密码和微控制器的唯一ID派生的密钥。固件在密码写入存储之前进行拦截，增加延迟以阻止暴力破解攻击，并允许USB模拟各种供应商ID。
-
LLM不太可能破解对称加密，分析发现
分析认为，大型语言模型（LLM）不太可能破解对称加密。虽然LLM可以协助发现非对称加密中的漏洞，但它们缺乏破解AES等对称算法的能力。对称加密的复杂性和数学基础使其能够抵抗当前LLM的模式识别和生成优势。
-
Claude Mythos Preview 发现 HAWK 和 AES 的加密漏洞
Anthropic 的 Claude Mythos Preview 发现了两个加密漏洞。一个漏洞影响 HAWK 密钥，这是一种后量子密码学的候选算法，可将其有效强度减半。另一个漏洞显著加快了 AES 攻击速度，使其比当前方法快 200 到 800 倍。Anthropic 表示，这些问题对生产系统没有影响。
-
Anthropic 的 Claude Mythos AI 在密码设计中发现漏洞
Anthropic 的 AI 模型 Claude Mythos Preview 已经识别出两种加密设计中的重大漏洞。该模型发现了 HAWK-256 后量子签名方案中的一个弱点，大大降低了其估计的安全强度。此外，Mythos 开发了一种新技术，将已知攻击 AES-128 缩减轮版本的方法加速了数百倍。Anthropic 强调，这些发现不会影响当前的生产系统，并且已经过严格验证。
-
LLM用于审计加密代码，标记常见的实现缺陷
大型语言模型（LLM）正成为审计加密代码的宝贵工具，充当识别常见实现错误的初步过滤器。通过使用针对已知漏洞模式（如nonce重用、不安全的ECB等密码模式以及依赖于时间的比较）的结构化提示，LLM可以快速标记潜在问题。虽然LLM不能取代人类密码学家，但它们可以通过揭示明显的反模式来显著加快审查过程，使专家能够专注于更复杂的逻辑和设计缺陷。然而，由于LLM有时会产生幻觉，因此必须根据官方规范验证其发现。
-
Anthropic的Claude "Mythos" AI改进了加密攻击模拟
Anthropic的Claude "Mythos"模型在模拟的加密攻击中展现了增强的能力。具体来说，它在对抗HAWK数字签名方案和高级加密标准（AES-128）的七轮版本方面表现出改进的性能。这一发展突显了AI在网络安全研究中的应用进步，特别是在分析加密算法的安全性方面。