Anthropic ਦੇ AI ਮਾਡਲ, Claude, ਨੇ ਰਿਸਰਚ-ਲੈਵਲ ਕ੍ਰਿਪਟੋਗ੍ਰਾਫਿਕ ਸਕੀਮਾਂ ਵਿੱਚ ਪਹਿਲਾਂ ਤੋਂ ਅਣਜਾਣ ਕਮਜ਼ੋਰੀਆਂ ਦੀ ਪਛਾਣ ਕੀਤੀ ਹੈ। ਹਾਲਾਂਕਿ ਇਹ ਖੋਜਾਂ ਮੌਜੂਦਾ ਮੁੱਖ ਧਾਰਾ (mainstream) ਐਨਕ੍ਰਿਪਸ਼ਨ ਨੂੰ ਪ੍ਰਭਾਵਿਤ ਨਹੀਂ ਕਰਦੀਆਂ, ਪਰ ਇਹ AI ਦੀ ਸੁਰੱਖਿਆ ਖੋਜਕਰਤਾਵਾਂ ਨੂੰ ਡਿਜੀਟਲ ਕਮਜ਼ੋਰੀਆਂ ਲੱਭਣ ਵਿੱਚ ਮਦਦ ਕਰਨ ਦੀ ਸਮਰੱਥਾ ਨੂੰ ਉਜਾਗਰ ਕਰਦੀਆਂ ਹਨ। ਕੰਪਨੀ ਨੇ ਕ੍ਰਿਪਟੋਗ੍ਰਾਫਿਕ ਵਿਸ਼ਲੇਸ਼ਣ ਵਿੱਚ AI ਪ੍ਰਦਰਸ਼ਨ ਨੂੰ ਟਰੈਕ ਕਰਨ ਲਈ ਇੱਕ ਨਵਾਂ ਬੈਂਚਮਾਰਕ ਟੂਲ ਵੀ ਲਾਂਚ ਕੀਤਾ ਹੈ।
AI ਰਿਸਰਚ ਕੰਪਨੀ Anthropic ਨੇ ਖੁਲਾਸਾ ਕੀਤਾ ਹੈ ਕਿ ਉਹਨਾਂ ਦੇ ਐਡਵਾਂਸਡ ਮਾਡਲ, ਖਾਸ ਕਰਕੇ Claude, ਨੇ ਕਈ ਕ੍ਰਿਪਟੋਗ੍ਰਾਫਿਕ ਐਲਗੋਰਿਦਮਾਂ ਵਿੱਚ ਪਹਿਲਾਂ ਅਣਜਾਣ ਕਮਜ਼ੋਰੀਆਂ ਦਾ ਸਫਲਤਾਪੂਰਵਕ ਪਤਾ ਲਗਾਇਆ ਹੈ। ਕੰਪਨੀ ਦੇ ਪੇਪਰ 'Discovering cryptographic weaknesses with Claude' ਵਿੱਚ ਦੱਸੀ ਗਈ ਇਹ ਖੋਜ, ਦਰਸਾਉਂਦੀ ਹੈ ਕਿ ਕਿਵੇਂ ਨਵੀਨਤਮ AI ਸਿਸਟਮ ਨੂੰ ਗੁੰਝਲਦਾਰ ਸਾਈਬਰ ਸੁਰੱਖਿਆ ਕਾਰਜਾਂ 'ਤੇ ਲਾਗੂ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ।
ਕ੍ਰਿਪਟੋਗ੍ਰਾਫਿਕ ਖੋਜ ਵਿੱਚ AI ਦੀ ਭੂਮਿਕਾ
ਇਹ ਖੋਜਾਂ ਉਹਨਾਂ ਕ੍ਰਿਪਟੋਗ੍ਰਾਫਿਕ ਸਕੀਮਾਂ 'ਤੇ ਕੇਂਦ੍ਰਿਤ ਸਨ ਜਿਨ੍ਹਾਂ ਦਾ ਵਰਤਮਾਨ ਵਿੱਚ ਸੰਭਾਵੀ ਅੰਤਰਰਾਸ਼ਟਰੀ ਮਾਨਕੀਕਰਨ (international standardization) ਲਈ ਮੁਲਾਂਕਣ ਕੀਤਾ ਜਾ ਰਿਹਾ ਸੀ। Anthropic ਨੇ ਸਪੱਸ਼ਟ ਕੀਤਾ ਹੈ ਕਿ ਇਹਨਾਂ ਪਛਾਣੀਆਂ ਗਈਆਂ ਕਮਜ਼ੋਰੀਆਂ ਅੱਜ ਵਿਸ਼ਵ ਪੱਧਰ 'ਤੇ ਵਰਤੇ ਜਾਂਦੇ ਵਿਆਪਕ ਤੌਰ 'ਤੇ ਲਾਗੂ, ਮੁੱਖ ਧਾਰਾ ਐਨਕ੍ਰਿਪਸ਼ਨ ਸਟੈਂਡਰਡਜ਼ ਨੂੰ ਪ੍ਰਭਾਵਿਤ ਨਹੀਂ ਕਰਦੀਆਂ। ਇਸ ਦੀ ਬਜਾਏ, ਇਸ ਕਾਰਜ ਨੇ ਇੱਕ ਪਰੂਫ-ਆਫ-ਕਾਨਸੈਪਟ (proof-of-concept) ਵਜੋਂ ਕੰਮ ਕੀਤਾ ਕਿ ਕਿਵੇਂ AI ਮਨੁੱਖੀ ਸੁਰੱਖਿਆ ਮਾਹਰਾਂ ਲਈ ਇੱਕ ਸਹਾਇਕ ਸਾਧਨ ਵਜੋਂ ਕੰਮ ਕਰ ਸਕਦਾ ਹੈ, ਸੰਭਾਵੀ ਤੌਰ 'ਤੇ ਗੁੰਝਲਦਾਰ ਡਿਜੀਟਲ ਸੁਰੱਖਿਆ ਆਰਕੀਟੈਕਚਰਾਂ ਵਿੱਚ ਸੂਖਮ ਖਾਮੀਆਂ ਦੀ ਖੋਜ ਨੂੰ ਤੇਜ਼ ਕਰ ਸਕਦਾ ਹੈ।
AI ਦੀਆਂ ਖੋਜਾਂ ਨੂੰ ਪ੍ਰਮਾਣਿਤ ਕਰਨਾ
ਇਹਨਾਂ ਖੋਜਾਂ ਦੀ ਸ਼ੁੱਧਤਾ ਨੂੰ ਯਕੀਨੀ ਬਣਾਉਣ ਲਈ, Claude ਦੁਆਰਾ ਲੱਭੀਆਂ ਗਈਆਂ ਕਮਜ਼ੋਰੀਆਂ ਦੀ ਖੇਤਰ ਦੇ ਮਾਹਰਾਂ ਦੁਆਰਾ ਸਮੀਖਿਆ ਅਤੇ ਪ੍ਰਮਾਣਿਤ (validated) ਕੀਤੀ ਗਈ ਸੀ। ਇਹ ਪ੍ਰਕਿਰਿਆ ਇੱਕ ਸਹਿਯੋਗੀ ਪਹੁੰਚ ਨੂੰ ਉਜਾਗਰ ਕਰਦੀ ਹੈ ਜਿੱਥੇ AI ਵਿਸ਼ੇਸ਼ ਖੋਜਕਰਤਾਵਾਂ ਲਈ ਇੱਕ ਫੋਰਸ ਮਲਟੀਪਲਾਈਅਰ (force multiplier) ਵਜੋਂ ਕੰਮ ਕਰਦਾ ਹੈ, ਨਾ ਕਿ ਬਦਲ ਵਜੋਂ। ਇਸ ਖੋਜ ਦਾ ਟੀਚਾ ਸਰਗਰਮੀ ਨਾਲ ਸੁਰੱਖਿਆ ਖਾਮੀਆਂ ਦੀ ਪਛਾਣ ਕਰਨਾ ਅਤੇ ਉਹਨਾਂ ਨੂੰ ਦੂਰ ਕਰਨਾ ਹੈ, ਡਿਜੀਟਲ ਰੱਖਿਆ ਨੂੰ ਮਜ਼ਬੂਤ ਕਰਨਾ ਹੈ, ਇਸ ਤੋਂ ਪਹਿਲਾਂ ਕਿ ਉਹਨਾਂ ਕਮਜ਼ੋਰੀਆਂ ਦਾ ਦੁਰਬਲਤਾ ਨਾਲ ਸ਼ੋਸ਼ਣ ਕੀਤਾ ਜਾ ਸਕੇ।
AI ਸੁਰੱਖਿਆ ਨਿਗਰਾਨੀ ਲਈ ਨਵਾਂ ਟੂਲ
ਇਸ ਖੋਜ ਦੇ ਨਾਲ, Anthropic ਨੇ CryptanalysisBench ਨਾਮਕ ਇੱਕ ਨਵਾਂ ਮੁਲਾਂਕਣ ਫਰੇਮਵਰਕ ਪੇਸ਼ ਕੀਤਾ ਹੈ। ਇਹ ਬੈਂਚਮਾਰਕ ਇਹ ਮਾਪਣ ਲਈ ਤਿਆਰ ਕੀਤਾ ਗਿਆ ਹੈ ਕਿ ਵੱਖ-ਵੱਖ AI ਮਾਡਲ ਕਿੰਨੀ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਢੰਗ ਨਾਲ ਕ੍ਰਿਪਟੋਐਨਾਲਿਸਿਸ (cryptanalysis)—ਕ੍ਰਿਪਟੋਗ੍ਰਾਫਿਕ ਸਿਸਟਮਾਂ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਨ ਅਤੇ ਸੰਭਾਵੀ ਤੌਰ 'ਤੇ ਤੋੜਨ ਦੀ ਪ੍ਰਕਿਰਿਆ—ਵੱਖ-ਵੱਖ ਗਣਿਤਿਕ ਪ੍ਰਿਮਿਟਿਵਜ਼ (mathematical primitives) ਵਿੱਚ ਕਰ ਸਕਦੇ ਹਨ। ਇਹ ਟੂਲ ਪ੍ਰਦਾਨ ਕਰਕੇ, ਕੰਪਨੀ ਦਾ ਉਦੇਸ਼ ਵਿਆਪਕ ਖੋਜ ਭਾਈਚਾਰੇ ਨੂੰ ਇਹ ਨਿਗਰਾਨੀ ਕਰਨ ਵਿੱਚ ਮਦਦ ਕਰਨਾ ਹੈ ਕਿ ਇਸ ਖਾਸ ਡੋਮੇਨ ਵਿੱਚ AI ਸਮਰੱਥਾਵਾਂ ਕਿਵੇਂ ਵਿਕਸਿਤ ਹੋ ਰਹੀਆਂ ਹਨ, ਜੋ ਕਿ AI ਤਕਨਾਲੋਜੀ ਦੇ ਹੋਰ ਸ਼ਕਤੀਸ਼ਾਲੀ ਹੋਣ ਦੇ ਨਾਲ ਭਵੋਖੀ ਸੁਰੱਖਿਆ ਜੋਖਮਾਂ ਦਾ ਅਨੁਮਾਨ ਲਗਾਉਣ ਲਈ ਜ਼ਰੂਰੀ ਹੋਵੇਗਾ।
ਨਿਵੇਸ਼ਕਾਂ ਅਤੇ ਉਦਯੋਗ ਦੇ ਨਿਰੀਖਕਾਂ ਲਈ, ਇਹ ਕਦਮ ਲਾਰਜ ਲੈਂਗੂਏਜ ਮਾਡਲਾਂ (LLMs) ਦੀ ਵਰਤੋਂ ਦੇ ਵਧਦੇ ਰੁਝਾਨ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ ਤਾਂ ਜੋ ਕੋਡ ਸਮੀਖਿਆ ਅਤੇ ਸੁਰੱਖਿਆ ਆਡਿਟਿੰਗ ਵਰਗੇ ਗੁੰਝਲਦਾਰ, ਮਜ਼ਦੂਰ-ਸघन ਕੰਮਾਂ ਨੂੰ ਆਟੋਮੇਟ ਕੀਤਾ ਜਾ ਸਕੇ। ਅਗਲੀ ਮਹੱਤਵਪੂਰਨ ਨਿਗਰਾਨੀ ਇਹ ਹੋਵੇਗੀ ਕਿ ਇਹਨਾਂ AI-ਸਹਾਇਤਾ ਪ੍ਰਾਪਤ ਬੈਂਚਮਾਰਕਾਂ ਨੂੰ ਸਾਈਬਰ ਸੁਰੱਖਿਆ ਫਰਮਾਂ ਦੁਆਰਾ ਕਿੰਨੀ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਢੰਗ ਨਾਲ ਅਪਣਾਇਆ ਜਾਂਦਾ ਹੈ ਅਤੇ ਕੀ ਉਹ ਭਵਿੱਖ ਦੇ ਡਿਜੀਟਲ ਬੁਨਿਆਦੀ ਢਾਂਚੇ ਲਈ ਵਧੇਰੇ ਲਚਕੀਲੇ ਕ੍ਰਿਪਟੋਗ੍ਰਾਫਿਕ ਮਾਪਦੰਡਾਂ ਦੇ ਵਿਕਾਸ ਵਿੱਚ ਮਾਪਣਯੋਗ ਸੁਧਾਰਾਂ ਵੱਲ ਲੈ ਜਾਂਦੇ ਹਨ।