Google DeepMind: Η τεχνητή νοημοσύνη βρίσκει αδυναμίες παλιών συστημάτων κρυπτογράφησης 1.600 φορές ταχύτερα

Η ανακοίνωση έγινε από τον αντιπρόεδρο και επικεφαλής επιστήμονα της Google DeepMind, Pushmeet Kohli, μέσω των social media, σηματοδοτώντας σημαντική πρόοδο στην κρυπτανάλυση, χωρίς να απειλούνται τα σύγχρονα συστήματα κρυπτογράφησης.

Σημαντική πρόοδο στον τομέα της κρυπτανάλυσης πέτυχαν ερευνητές της Google DeepMind, αξιοποιώντας πράκτορες τεχνητής νοημοσύνης (AI agents) για την ανάπτυξη νέων μαθηματικών μεθόδων που αποκαλύπτουν αδυναμίες παλαιότερων συστημάτων κρυπτογράφησης RSA έως και 1.600 φορές ταχύτερα σε σύγκριση με προηγούμενες τεχνικές.

Η εξέλιξη ανακοινώθηκε από τον αντιπρόεδρο και επικεφαλής επιστήμονα της Google DeepMind, Pushmeet Kohli, μέσω ανάρτησής του στα μέσα κοινωνικής δικτύωσης και συνιστά, σημαντικό βήμα στην εξέλιξη της κρυπτανάλυσης, χωρίς ωστόσο να θέτει σε κίνδυνο τα σύγχρονα πρότυπα κρυπτογράφησης.

Σύμφωνα με την εταιρεία, οι πράκτορες τεχνητής νοημοσύνης, υπό ανθρώπινη επίβλεψη, κατάφεραν να επιλύσουν σε ιδιαίτερα σύντομο χρόνο σύνθετα μαθηματικά προβλήματα, τα οποία στο παρελθόν απαιτούσαν εκτεταμένη ερευνητική εργασία.

Στο επίκεντρο το παλαιότερο σύστημα RSA-1024

Η έρευνα επικεντρώθηκε στο RSA με κλειδιά μήκους 1.024 bit, μια παλαιότερη τεχνολογία κρυπτογράφησης που έχει σε μεγάλο βαθμό αντικατασταθεί από ισχυρότερα κλειδιά 2.048 bit ή μεγαλύτερα.

Όπως επισημαίνει η Google DeepMind, τα ευρήματα δεν απειλούν τη σύγχρονη κρυπτογράφηση που χρησιμοποιείται για την προστασία των ηλεκτρονικών τραπεζικών συναλλαγών, των εφαρμογών ανταλλαγής μηνυμάτων, των ενημερώσεων λογισμικού ή των ψηφιακών νομισμάτων.

Αντίθετα, καταδεικνύουν ότι η τεχνητή νοημοσύνη μπορεί να επιταχύνει θεαματικά την αξιολόγηση των μαθηματικών παραδοχών πάνω στις οποίες στηρίζεται η ψηφιακή ασφάλεια. Η κρυπτανάλυση αποτελεί τον επιστημονικό κλάδο που εξετάζει την ανθεκτικότητα των συστημάτων κρυπτογράφησης, αναζητώντας πιθανές αδυναμίες προτού αυτές αξιοποιηθούν από κακόβουλους παράγοντες.

Επί δεκαετίες, οι εξελίξεις στον συγκεκριμένο τομέα απαιτούσαν χρόνια, ακόμη και δεκαετίες ερευνητικής προσπάθειας, επιτρέποντας στους ειδικούς της κυβερνοασφάλειας να ενισχύουν σταδιακά τα πρότυπα κρυπτογράφησης, καθώς αυξάνονταν οι υπολογιστικές δυνατότητες.

Η Google DeepMind υποστηρίζει ότι οι πράκτορες τεχνητής νοημοσύνης μπορούν πλέον να περιορίσουν δραστικά αυτόν τον χρόνο, εξετάζοντας με μεγάλη ταχύτητα μαθηματικά προβλήματα που παραδοσιακά απαιτούσαν εκτεταμένη ανθρώπινη έρευνα.

Η μελέτη πραγματοποιήθηκε υπό την καθοδήγηση των Dj Dvijotham και Abhradeep Thakurta, σε συνεργασία με ερευνητές του Πανεπιστημίου της Καλιφόρνιας στο Σαν Ντιέγκο και του γαλλικού ερευνητικού ινστιτούτου Inria. Η ερευνητική ομάδα κατέληξε σε δύο σημαντικά ευρήματα που αφορούν παλαιότερα κρυπτογραφικά συστήματα RSA-1024.

Ψηφιακές υπογραφές: Πότε η πρόσθετη προστασία παύει να είναι αποτελεσματική

Το 1ο εύρημα αφορά τις ψηφιακές υπογραφές, που επιτρέπουν στους υπολογιστές να επαληθεύουν ότι οι ενημερώσεις λογισμικού, οι ιστότοποι και τα ηλεκτρονικά έγγραφα προέρχονται από νόμιμες και αξιόπιστες πηγές. Τα συστήματα ψηφιακών υπογραφών συνήθως προσθέτουν προκαθορισμένες πληροφορίες στα δεδομένα πριν από την υπογραφή τους, μέσω μιας διαδικασίας γνωστής ως padding (συμπλήρωση δεδομένων).

Η τεχνική αυτή χρησιμοποιείται για την αποτροπή πλαστογράφησης ψηφιακών υπογραφών. Ωστόσο, μέχρι σήμερα δεν είχε προσδιοριστεί πλήρως η αποτελεσματικότητά της σε περιπτώσεις όπου ένας επιτιθέμενος μπορεί να επηρεάσει τμήματα του μηνύματος που πρόκειται να υπογραφεί.

Κατά τη διάρκεια της έρευνας, οι πράκτορες τεχνητής νοημοσύνης διαπίστωσαν ότι όταν ένας επιτιθέμενος ελέγχει περίπου το ήμισυ ή μεγαλύτερο μέρος του υπογεγραμμένου μπλοκ δεδομένων, η τεχνική padding δεν παρέχει ουσιαστικά πρόσθετη προστασία.

Υπό αυτές τις συνθήκες, η πλαστογράφηση μιας ψηφιακής υπογραφής δεν είναι μαθηματικά δυσκολότερη από την επίθεση σε ένα σύστημα χωρίς την πρόσθετη αυτή προστασία. Για να επιβεβαιώσουν το εύρημα, οι ερευνητές δοκίμασαν τη μέθοδο σε απομονωμένο περιβάλλον δοκιμών (sandbox), χρησιμοποιώντας ένα ήδη λυμένο πρόβλημα αναφοράς RSA-1024 από προηγούμενη ακαδημαϊκή εργασία.

Η υλοποίηση που παρήγαγε η τεχνητή νοημοσύνη αναπαρήγαγε το αποτέλεσμα, απαιτώντας 3,5 φορές λιγότερο χρόνο επεξεργαστή (CPU) και λιγότερο από το ένα χιλιοστό της υπολογιστικής ισχύος που απαιτούνταν για την παραγοντοποίηση του ίδιου του κλειδιού αναφοράς.

Ακόμη και όταν ο επιτιθέμενος ελέγχει μόνο ένα μικρό τμήμα των υπογεγραμμένων δεδομένων, όπως ένα ψηφιακό αποτύπωμα 32 byte, οι πράκτορες τεχνητής νοημοσύνης εντόπισαν έναν νέο αλγόριθμο. Ο αλγόριθμος αυτός βελτιώνει θεωρητικά την απόδοση της μέχρι πρότινος αποτελεσματικότερης γνωστής επίθεσης κατά περίπου 1.600 φορές, για κλειδιά RSA μήκους 1.024 bit.

Μείωση του υπολογιστικού κόστους έως και 30 φορές

Η δεύτερη σημαντική ανακάλυψη αφορά τη μαζική παραγοντοποίηση πολλαπλών κλειδιών RSA ίδιου μήκους. Επειδή πολλά συστήματα RSA χρησιμοποιούν τυποποιημένα μεγέθη κλειδιών, ένας επιτιθέμενος θα μπορούσε θεωρητικά να κατανείμει το κόστος ιδιαίτερα απαιτητικών υπολογισμών σε μεγάλο αριθμό κλειδιών.

Ο αλγόριθμος που ανακαλύφθηκε με τη βοήθεια της τεχνητής νοημοσύνης βελτιώνει την ασυμπτωτική αποδοτικότητα της διαδικασίας, δηλαδή τον τρόπο με τον οποίο μεταβάλλονται οι υπολογιστικές απαιτήσεις καθώς αυξάνεται το μέγεθος του προβλήματος.

Σύμφωνα με τα αποτελέσματα της έρευνας, το μέσο υπολογιστικό κόστος παραγοντοποίησης κάθε πρόσθετου κλειδιού RSA-1024 μειώνεται κατά περίπου 30 φορές, σε σύγκριση με προηγούμενες τεχνικές μαζικής παραγοντοποίησης.

Η τεχνητή νοημοσύνη αλλάζει τα δεδομένα στην κυβερνοασφάλεια

Ο Pushmeet Kohli υπογράμμισε ότι τα αποτελέσματα αναδεικνύουν την ανάγκη συνεχούς επανεξέτασης των μαθηματικών παραδοχών στις οποίες βασίζονται τα κρυπτογραφικά συστήματα, καθώς η τεχνητή νοημοσύνη αποκτά ολοένα μεγαλύτερες δυνατότητες επίλυσης σύνθετων προβλημάτων.

Παρότι τα σημερινά πρότυπα κρυπτογράφησης παραμένουν ασφαλή απέναντι στις συγκεκριμένες τεχνικές, οι ερευνητές εκτιμούν ότι η κρυπτανάλυση με τη βοήθεια της τεχνητής νοημοσύνης μπορεί να εξελιχθεί σε βασικό εργαλείο ελέγχου της ανθεκτικότητας των μελλοντικών συστημάτων ψηφιακής ασφάλειας.

Με αυτόν τον τρόπο, οι ειδικοί θα μπορούν να εντοπίζουν και να αντιμετωπίζουν πιθανές αδυναμίες προτού αυτές μετατραπούν σε πραγματικές απειλές.

Πηγή: Pagenews.gr