Claude descobriu vulnerabilidades criptográficas que os humanos nunca tinham encontrado
A Anthropic usou Claude para descobrir fragilidades criptográficas em implementações reais. Um marco na segurança assistida por IA.
Já perdi a conta ao número de vezes que um LLM me sugeriu um patch de segurança que parecia bem mas era completamente errado. É o problema clássico: os modelos alucinam com confiança, e em segurança uma alucinação pode ser catastrófica. Por isso, quando li o paper da Anthropic sobre descoberta de fragilidades criptográficas com o Claude, assumi que era mais um benchmark artificial.
Estava enganado.
A 28 de julho de 2026, a Anthropic publicou dois resultados obtidos com o Claude Mythos Preview — o modelo que a Anthropic já tinha mostrado capaz de encontrar e explorar vulnerabilidades em quase todo o software que lhe apontaram. Desta vez, o alvo era mais fundo: os algoritmos criptográficos propriamente ditos, não a sua implementação.
O que o Claude encontrou
O primeiro resultado: um ataque melhorado contra o HAWK, um esquema de assinatura digital candidato (na terceira ronda) à standardização pós-quântica do NIST. O HAWK sobreviveu a duas rondas de revisão por especialistas humanos ao longo de dois anos. O Claude Mythos, em 60 horas de trabalho, melhorou o melhor ataque conhecido e reduziu a força efetiva da chave para metade.
O segundo: uma nova forma de atacar versões reduzidas do AES, a cifra simétrica mais usada do mundo. O AES é padrão desde 2001 e recebeu mais escrutínio do que quase qualquer outro algoritmo criptográfico. O Claude encontrou uma otimização que elimina um dos “guesses” que um atacante precisa de fazer, acelerando os melhores ataques anteriores por um fator de 200 a 800x.
Isto não significa que o AES está partido. O ataque é contra versões com menos rondas (round-reduced), não contra a cifra completa. E o HAWK é apenas um candidato, não está deployed. Mas a tendência é clara: modelos de IA estão a encontrar fragilidades que décadas de revisão humana não detetaram.
O que é novo aqui
Já sabíamos que LLMs encontram vulnerabilidades de implementação. O Claude Mythos fez isso em “quase todos os softwares para que foi apontado”, segundo a Anthropic. Mas encontrar falhas matemáticas no design dos algoritmos — no papel, na teoria — é uma categoria diferente de capacidade.
Isto mexe com um pressuposto fundamental da criptografia: que a revisão por pares ao longo de anos é suficiente para garantir a segurança de um algoritmo. Se um modelo consegue em 60 horas encontrar um ataque que 2 anos de competição do NIST não encontraram, então o processo de standardização precisa de ser repensado.
A Anthropic sugere que modelos como o Mythos podem ser usados como ferramenta de auditamento — uma segunda camada de verificação automatizada sobre a revisão humana. É uma ideia sensata. Mas também levanta a questão inversa: se um modelo pode encontrar estas fragilidades, quantos modelos semelhantes estão neste momento a ser usados por atores maliciosos para fazer o mesmo?
A corrida silenciosa
A Anthropic escolheu publicar estes resultados. Outros atores — estatais ou criminosos — não publicam. O mais provável é que já estejam a usar modelos equivalentes para encontrar zero-days criptográficos e guardá-los para uso ofensivo.
O HAWK não está deployed, portanto o dano prático é zero. Mas o precedente é enorme. O que acontece quando o próximo modelo encontrar uma fragilidade num algoritmo que está deployed em milhões de sistemas? O tempo entre descoberta e patch vai ser o fator crítico — e não sabemos se o “lado bom” vai ser o primeiro a descobrir.
Recursos adicionais
Partilhar
Comentários 0
Ainda sem comentários — sê o primeiro.