ダミエン・フォーチュンは、SENTRIQSの創設者兼CEOです。SENTRIQSは、GLYPHという、コンプライアンス対応のコラボレーションの最も安全なソリューションを開発しています。
数十年間にわたり、RSAと楕円曲線暗号(ECC)はデジタルセキュリティの根幹を形成してきた。オンラインバンキングのセキュリティから軍事通信まで、これらのアルゴリズムは時間の試練に耐えてきた。主にこれらは、古典的なコンピュータで解くのに計算コストがかかる数学的な問題に依存しているからである。しかし、現状は攻撃を受けている。特に量子コンピューティングと組み合わせて使用された場合、人工知能(AI)はこれらの暗号方式の根幹を少しずつ侵食し始めるだろう。RSAとECCの問題RSAのセキュリティは、大きな整数の因数分解の難しさに基づいている。ECCは、楕円曲線離散対数問題(ECDLP)の難しさに依存している。古典的なコンピューティングでは、これらの問題は、鍵のサイズが十分に大きい場合、実用的には解くことができない。 しかし、ここに重要な点がある。両方のシステムは、まだ誰もこれらを破る速い方法を見つけていないという理由でしか安全ではない。しかも、AIが熱を加えている。AIはチャットボットだけではないChatGPTが詩を書いたり、Midjourneyがアニメのアバターを生成したりする話題を忘れてください。AIの本当の力は、パターンを認識し、探索空間を最適化し、人間のコーダーやアナリストよりも速く解決策を繰り返す能力にある。暗号化に対して適用されると、AIはハリウッドのような意味でコードを解読するのではなく、RSAとECCが「難しい」問題であることを可能にする数学的な構造を深く掘り下げている。 機械学習モデル、特にニューラルネットワークは、数学的な構造を予測し、複雑な関数を近似し、ヒューリスティックアルゴリズムを導くのに、ますます効果的になっている。暗号解読では、これは次のことを意味する： 弱い鍵をより速く識別すること。 大規模な実装上の欠陥を利用すること。 因数分解技術を加速すること。 楕円曲線演算のパターンを学習すること。 因数分解における機械学習RSAのアキレス腱は整数因数分解である。伝統的な攻撃方法である一般数体篩(GNFS)はすでに大量のリソースを必要とするが、理論的には実行可能である。現在、AIはこれらの方法を強化している。最近の研究では、因数分解で使用される数体の構造を予測するために、ニューラルネットワークを使用する方法が探索されている。ブルートフォースに頼るのではなく、AIは、より成功的な分解につながる可能性のあるパスを優先するのに役立つ。一部の情報を逆工学するか、漏洩したデータから近似的な秘密鍵を取得するモデルをトレーニングするという研究もある。これは、複雑さのため以前は実行不可能だったタスクである。AIはこの複雑さを解決可能な最適化問題に変えている。ECCとAI強化攻撃ECCは、RSAよりも小さい鍵サイズで同等のセキュリティを実現するため、より安全であると考えられている。しかし、その小さい表面は、精密攻撃に対してより敏感である。また、AIはこれを利用している。 AIは次のことを行っている： ポラードのローアルゴリズムの加速、ECCを攻撃するための主要なツールの一つ。楕円曲線空間を通る歩みを最適化することで、機械学習は衝突時間を大幅に短縮できる。 サイドチャネル攻撃の実行、電磁気や電力消費データでトレーニングされたモデルは、ECC操作で使用される秘密鍵を推測できる。 カーブ固有の脆弱性の生成、AIモデルはカーブの算術的特性を分析して、弱いまたは攻撃に対してより脆弱なカーブを特定する。 サイドチャネル攻撃の進化従来のサイドチャネル攻撃(SCA)では、物理的なアクセスと高解像度の測定ツールが必要である。AIはこれらの攻撃をリモートで自動化できるようにしている。たとえば、深層学習モデルは、計算時間、電力消費、または音響放出の微妙な変化を分類して、秘密鍵を推測できる。 最大の進歩は、AIがシステムの理論的根拠を知る必要がないことである。十分なトレーニングデータがあれば、これらのモデルは、数学的な保護を完全に回避して、暗号操作をすばやく実行できる。量子前と量子後の共生量子コンピューティングがRSAとECCに対する真正の存在的脅威であると考えるかもしれない。しかし、ここに転折点がある。AIは量子アドバンテージへのブリッジとして機能している。量子マシンが成熟するのを待つ間、AIは今日の古典的な攻撃をより速く、よりスケーラブルに、より効果的にしている。いくつかの研究者は、ShorのまたはGroverのアルゴリズムのような量子アルゴリズムの動作を古典的なハードウェアでシミュレートする、量子にインスパイアされた AIモデルを開発している。 実質的に、AIはこれらの暗号方式が古くなってしまうまでの時間を短縮している。量子優位性が到来する前に。セキュリティへの影響RSAとECCに対するAIの脅威は、もう理論的な懸念事項ではなく、現実の問題である。この暗号技術の風景の変化は、政府、サイバーセキュリティ機関、民間企業によって真剣に受け止められている。米国国立標準技術研究所(NIST)は、ポスト量子暗号化への世界的な移行を主導してきた。長年の研究の末、NISTは、CRYSTALS-KyberとCRYSTALS-Dilithiumを含む、古典的な攻撃と量子攻撃の両方に耐える、量子耐性アルゴリズムの一連を最終化した。重要な点は、これらのアルゴリズムが、AI支援の暗号解読に対する耐性を確保するためにテストされていることである。 同時に、RSAとECCに依存しているレガシーシステムは、重要な脆弱性となっている。これらの古いスキームは、リモートワーカーが使用する仮想プライベートネットワーク(VPN)から、ルーター、医療機器を制御するファームウェアまで、デジタル生活の根幹を形成するシステムに広く埋め込まれている。これらのコンポーネントは、古典的なAI支援攻撃や将来の量子ブレークスルーに対して、攻撃者が利用できるエントリーポイントとなる可能性がある。クリティカルインフラへの脅威より心配なのは、クリティカルインフラへのリスクである。エネルギーグリッド、水処理施設、輸送システム、ヘルスケアネットワークは、RSAまたはECCに依存している古いソフトウェアスタックで動作していることが多い。特にこれらのシステムの暗号化コントロールを標的とした、成功した侵入は、現実世界の混乱を引き起こし、公共の安全を危険にさらす可能性がある。国家による脅威の文脈では、これらのシステムは、スパイ活動や破壊活動の魅力的な標的となる。何が変化する必要があるここに現実がある。新しいシステムでまだRSAまたはECCを展開している場合、すでに遅れを取っている。AIはこれらのシステムを完全に破壊する必要はない。実用的な攻撃を可能にする程度にこれらを弱めるだけで十分である。 現代の防御は変化する必要がある： ポスト量子暗号化、例えば格子ベース、ハッシュベース、または多変数多項式スキームを採用すること。 暗号化の柔軟性を提供するテクノロジープラットフォームを調査し、暗号化のアップグレードを容易で痛みのないものにすること。 AI耐性のある暗号化方法に投資すること。つまり、AI強化分析に耐えるように設計されたアルゴリズムである。 AIレッドチームを実施すること。つまり、セキュリティスタックをストレステストするために、機械学習を使用する知的な攻撃者をシミュレートすること。 実装の清潔さを再検討すること。多くのAI攻撃は、理論的な欠陥ではなく、実装の不手際のために成功する。 結論AIは、暗号技術に対してすでに他の業界で行ったのと同じことを行っている。私たちがパッチするよりも速く弱点を見つけている。RSAとECCはまだ死んでいないが、壁に書かれた文字は明らかである。暗号技術の旧来の守備は、もう挑戦を受けることができない。進化するか、後ろに残るかである。AI支援攻撃は古い暗号化スキームを時代遅れにしている。政府や研究者は、来るべきものに対する準備として、新しいポスト量子暗号化標準を導入している。一方、RSAまたはECCをまだ使用している古いシステム、特に電力グリッドや病院のようなクリティカルインフラでは、リスクが高まっている。これらのシステムは、特に国家による攻撃者によって、壊滅的な影響をもたらす可能性がある。 待っていてはならない。セキュリティは、柔軟性、積極性、AIと量子両方の脅威への準備性を意味する。したがって、クリティカルインフラ業界へのメッセージは明確である。AIを活用した攻撃者のように考え始めるべきである。なぜなら、それがあなたのデータを狙う者だからである。
