رمزهای مخفی تاریخ با کمک هوش مصنوعی توسط علاقه‌مندان غیرمتخصص شکسته می‌شوند

کارتر لفن هنگامی که مدل هوش مصنوعی GPT-6 Astra پیام مخفی ارتش آلمان را که ۸۵ سال بود رمزگذاری شده بود، رمزگشایی کرد، باور نمی‌کرد چشم‌هایش را ببیند. لفن که هیچ تجربه‌ای در رمزنگاری ندارد، از مدل خواست تا پیام را رمزگشایی کند، چند بار او را تشویق کرد تا به فکر کردن ادامه دهد و وقتی به رختخواب رفت، او را ترغیب کرد که به کار خود ادامه دهد. درست همان‌طور که انتظار داشت، صبح که بیدار شد، راه‌حلی پیدا کرده بود.

لفن یکی از بسیاری از افراد غیرمتخصص است که اکنون از مدل‌های زبانی بزرگ (LLM) برای شکستن رمزهای تاریخی استفاده می‌کنند. تلاش‌های آن‌ها از توانایی مدل‌های زبانی بزرگ در استقرار سریع الگوریتم‌های رمزگشایی و همچنین جستجو در اینترنت برای اسناد یا اطلاعات تاریخی اضافی که ممکن است کمک‌کننده باشد، بهره می‌برد.

متخصصان رمزنگاری از افزایش شدید علاقه به رمزگشایی خوشحال هستند — اما همچنین از سیل درخواست‌ها برای تأیید راه‌حل‌های هوش مصنوعی که اغلب نادرست هستند، تحت فشار قرار گرفته‌اند. «تعداد زیادی مثبت کاذب از سوی افرادی که واقعاً تحلیل رمز را درک نمی‌کنند، وجود دارد»، می‌گوید النکا دونین، توسعه‌دهنده بازی بازنشسته در منطقه واشنگتن دی‌سی که کتاب‌هایی درباره رمزنگاری نوشته است.

در سپتامبر، لفن، مربی توسعه محصول در شرکت داده‌های مالی و رسانه‌ای بلومبرگ در شهر نیویورک، از GPT-6 Astra خواست تا وب‌سایت Crypto Cellar Research را بررسی کند؛ وب‌سایتی که لیستی از رمزهای حل‌نشده تاریخی را ارائه می‌دهد و توسط فروده ویروود، رمزنگار مستقل در اسلو اداره می‌شود. لفن به مدل زبانی بزرگ وظیفه داد تا پیامی را که توسط انیگما، ماشینی که نیروهای مسلح آلمان در طول جنگ جهانی دوم برای پنهان نگه داشتن ارتباطات نظامی از دشمنان استفاده می‌کرد، رمزگذاری شده بود، انتخاب و سپس رمزگشایی کند. روتورها و دوشاخه‌های انیگما سیگنال‌های الکتریکی را برای رمزگذاری حروف الفبا تا ۱۰۳ سکستیلیون حالت ممکن تغییر مسیر می‌دادند.

GPT-6 Astra، که توسط شرکت اوپن‌ای‌آی در سان‌فرانسیسکو، کالیفرنیا توسعه یافته است، پیامی را که در ۱۰ ژوئیه ۱۹۴۱ ارسال شده بود انتخاب کرد، احتمالاً به این دلیل که کوتاه بود — ۸۲ کاراکتر — و ممکن بود با پیام دیگری از انیگما که در همان تاریخ ارسال شده و در سال ۲۰۱۷ رمزگشایی شده بود، مرتبط باشد. اگر آن پیام حل‌شده شامل برخی از همان کلمات پیام حل‌نشده بود، می‌توانست به تسهیل رمزگشایی کمک کند و چیزی را فراهم آورد که رمزنگاران آن را «crib» (راهنمای اولیه) می‌نامند. برای مثال، هر دو پیام ممکن بود خطاب به «Obergruppenführer»، مقام عالی‌رتبه نازی، باشند.

GPT-6 Astra کدی نوشت تا ماشین انیگما را شبیه‌سازی کند و به دنبال تنظیماتی گشت که هم crib پیام حل‌شده در ۲۰۱۷ را بازتولید کند و هم پیام حل‌نشده را قابل فهم سازد. در ده ساعت، مدل زبانی بزرگ بیش از چهار میلیارد تنظیم را آزمایش کرد. لفن از راه‌حلی که به او ارائه شد «شگفت‌زده» شد و آن را برای تأیید به ویروود فرستاد. مشخص شد که پیام با تنظیمات انیگما متفاوت از آن‌هایی که در پیام از قبل رمزگشایی‌شده استفاده شده بود، رمزگذاری شده بود، حتی اگر در همان روز ارسال شده بودند — این امر غیرعادی است و ممکن است توضیح دهد چرا این رمز مدت زیادی حل‌نشده باقی ماند.

چند روز بعد، الهام گرفته از موفقیت لفن، کارتر چرچ، مهندس ارشد در شرکت امنیت سایبری سنتینل‌وان در ماونتین ویو، کالیفرنیا، تصمیم گرفت با رمزی حل‌نشده که توسط یک مقام ایتالیایی در سال ۱۸۰۹ برای یکی از ژنرال‌های امپراتور فرانسوی ناپلئون ارسال شده بود، مقابله کند. چرچ تصویری از پیام را که در وب‌سایت Cryptiana فهرست شده بود، به GPT-6 Astra داد؛ وب‌سایتی که توسط ساتوشی توموکیو، مهندس ثبت اختراع ژاپنی و رمزنگار آماتور گردآوری شده است.

GPT-6 Astra کلیدی جزئی را در میان سوابق یک وب‌سایت رمزنگاری فرانسوی یافت و رویکردی تدریجی را برای مقابله با پیام حل‌نشده امتحان کرد. از یک استراتژی رایج رمزگشایی به نام آنیلینگ شبیه‌سازی‌شده (simulated annealing) استفاده کرد، که در آن کلید رمزگشایی به صورت تکراری بر اساس اینکه خروجی نسبت به کلید قبلی قابل فهم‌تر است یا خیر، تنظیم می‌شود. GPT-6 Astra در حدود شش ساعت به کلید موفق رسید و چرچ پیام رمزگشایی‌شده — که مشخص شد مکان‌های استقرار نیروها را توصیف می‌کرد — را برای تأیید به توموکیو مستقر در توکیو فرستاد.

چرچ اشاره می‌کند که این پیام می‌توانست بدون هوش مصنوعی نیز حل شود، اما توانایی مدل زبانی بزرگ در رونویسی نمادهای موجود در تصویر، یافتن کلید جزئی و تعیین نحوه اعمال آن، زمان و تلاش مورد نیاز را به شدت کاهش داد.