HAWKの設計チームが、NISTの耐量子署名標準化競技(第3ラウンド追加デジタル署名部門)から自ら撤退した。AnthropicのClaude Mythos Previewが発見した攻撃により、本番相当パラメータでの鍵盗難コストがHAWK-512で2^150から2^108へ、HAWK-1024で2^288から2^182へ切り下がったためだ。耐量子暗号への移行を計画するセキュリティ担当者にとっては、「標準化の最終ラウンドまで残った候補」という肩書きがそのまま安全性を保証するわけではなくなったことを意味する——AIによる継続的なストレステストが、どの方式が標準として生き残るかを左右する変数に加わった。これまでのAI発暗号解読の発表は判で押したように「現行システムには影響しない」という一文で締めくくられてきたが、今回はその一歩先に進んでいる。AIの発見が、次の耐量子暗号標準に何が選ばれるかという審査結果そのものを直接動かした。本当の問いは、この種の継続的なAIストレステストを審査中の候補全般に組み込むべきかどうかという、標準化プロセスの設計そのものに移る。

何が起きたか

NIST(米国立標準技術研究所)は、耐量子デジタル署名方式の第3ラウンド追加候補だったHAWKについて、設計チーム自身が標準化プロセスから撤退したことを公式ページで明らかにした。現行の第3ラウンド候補一覧(SQIsign, MQOM, SDitH, MAYO, QR-UOV, SNOVA, UOV, FAEST の8件)からもHAWKは除外されている。

撤退の背景にあるのは、Anthropicの研究プレビュー版モデル「Claude Mythos Preview」が発見した攻撃だ。Anthropicの研究者Stephen Weis氏がNISTの公開メーリングリスト(pqc-forum)に攻撃の詳細と検証コードを投稿し、暗号研究者Daniel Apon氏がスレッド上で「独立して確認できた(Nice. It checks out independently for me.)」と応答している。

仕組み・詳細

Mythosが利用したのは、HAWKが使う格子(lattice)の中に潜む「非自明な自己同型(nontrivial automorphism)」という、これまで利用されていなかった対称性だ。Anthropicの公式ブログによれば、この攻撃の核となるアイデアは2人の担当者が協働する中で見つかった。最初に着手した1人はいったんこのアイデアを実行不可能と却下したが、もう1人がそれを完全に活用する方法を発見したという。人間側の関与は、アイデアの管理方法や検証に使うライブラリの助言といった、プロジェクトマネジメント的なものに限られたとAnthropicは説明している。

数字で見る

  • 本番相当パラメータでの鍵盗難コスト: HAWK-512は2^150→2^108、HAWK-1024は2^288→2^182(いずれもAGPS'20のgate-count modelベース)
  • 発見・開発・検証にかかった時間: 合計約60時間
  • 開発コスト: 約10万ドルのAPI費用
  • NIST第3ラウンド追加デジタル署名候補は現在8件(SQIsign, MQOM, SDitH, MAYO, QR-UOV, SNOVA, UOV, FAEST)。HAWKはこの一覧から除外された

背景

HAWKはもともと、NISTの審査を通過するかどうかを判定される標準化候補であり、まだどの実運用システムにも採用されていない。この点では、Anthropicが同時に発表した簡略版AES(実運用の10ラウンド実装ではなく7ラウンドの簡略版が対象)への改良攻撃と同じ位置づけだ。しかし異なるのは、この発見が実運用システムそのものではなく、標準化プロセスの帰趨に直接影響したという点にある。HAWKは専門家による2年間・2回のレビューを経ても見つからなかった弱点を抱えたまま候補に残っていたが、Mythosの発見を受けて設計チーム自身が競技続行を断念した。

なぜ重要か

これまでAIによる暗号解読の発表は、決まって「実運用には影響しない」という留保つきで語られてきた。今回もその留保自体は変わらない——HAWKは元々配備前の候補だったからだ。しかし今回初めて、AIの発見が人間の専門家集団による審査プロセスの結果そのものを動かした。耐量子暗号への移行計画を立てるセキュリティ担当者にとっては、「まだ配備されていないから今は安全」という理屈だけでは、次にどの方式が標準として残るかの見通しを立てられなくなったことを意味する。標準化の最終ラウンドに残った候補であっても、AIによる継続的なストレステストの対象になり得るし、その結果次第で候補から脱落しうる。

本件は、Anthropicの研究プレビューモデルが実運用に影響しない範囲で成果を上げた一事例にとどまらない。標準化という人間主導の意思決定プロセスに、AIの発見が直接の因果として組み込まれた最初の具体例として記録される。次に問われるのは、この種の継続的なAIストレステストを審査中の候補全般に組み込むべきかどうかという、標準化プロセス設計そのものの話だ。