양자 안전 암호화 없이 중요 인프라는 새로운 위협으로 인해 붕괴할 것입니다.

수십 년 동안 RSA와 타원 곡선 암호화(ECC)는 디지털 보안의 중추를 이루어 왔습니다. 온라인 뱅킹 보안부터 군사 통신까지, 이러한 알고리즘은 주로 고전적인 컴퓨터로 계산하기 어려운 수학적 문제에 의존하기 때문에 시간의 시험을 견뎌 왔습니다. 그러나 현状은 공격을 받고 있습니다. 특히 양자 컴퓨팅과 결합하여 새로운 계산 모델에 의해 구동되는 인공 지능은 이러한 암호화 체계의 한때 불가침의 기초를 조금씩 갉아먹기 시작할 것입니다.

RSA와 ECC의 문제

RSA의 보안은 큰 정수를 인수분해하는 어려움에 기반합니다. ECC는 타원 곡선 이산 로그 문제(ECDLP)의 어려움에 기반합니다. 고전적인 컴퓨팅에서 이러한 문제는 충분히 큰 키 크기일 때 실용적으로 해결할 수 없습니다.

그러나 여기서 중요한 점은 둘 다 아직誰도 더 빠른 방법으로 깨트릴 수 있는 방법을 발견하지 못했기 때문에 안전하다는 것입니다. 그리고 이제 AI가 열기를 높이고 있습니다.

AI는 채팅봇에 관한 것이 아닙니다

ChatGPT가 시를 쓰거나 Midjourney가 애니메이션 아바타를 생성하는 것에 대한 이야기를 잊어버리세요. AI의真正한 힘은 패턴을 인식하고, 검색 공간을 최적화하고, 인간 코더나 분석가보다 빠르게 솔루션을 반복하는 능력에 있습니다. 암호화에 적용될 때, AI는 할리우드식으로 코드를 깨는 것이 아닙니다. 그것은 RSA와 ECC가 “어려운” 문제가 되는 수학적 구조를 깊이 조사하는 것입니다.

기계 학습 모델, 특히 신경망은 수학적 구조를 예측하고, 복잡한 함수를 근사하고, 유추 알고리즘을 안내하는 데越来越 효과적입니다. 암호 분석에서 이것은 다음과 같은 것을 의미합니다:

• 약한 키를 더 빠르게 식별합니다.
• 대규모로 구현 결함을 악용합니다.
• 인수분해 기술을 가속화합니다.
• 타원 곡선 연산에서 패턴을 학습합니다.

인수분해에서 기계 학습

RSA의 아킬레스건은 정수 인수분해입니다. 전통적인 공격 방법인 일반 수체 sieve(GNFS)는 이미大量의 자원을 필요로 하지만 이론적으로 가능합니다. 이제 AI가 이러한 방법을 강화하고 있습니다.

最近의 연구는 신경망이 인수분해에 사용되는 수체의 구조를 예측하는 데 어떻게 사용될 수 있는지 탐구합니다. 무작위로 공격하는 대신, AI는 성공적인 분해로 이어질 가능성이 높은 경로를 우선순위로 정합니다.

또한 부분 키 정보를 역공학하거나 누출된 데이터에서 개인 키를 근사하는 모델을 훈련시키는 작업도 있습니다. 이는 이전에는 너무 복잡하여 불가능했지만, AI는 이를 해결 가능한 최적화 문제로 바꾸고 있습니다.

ECC와 AI 강화 공격

ECC는 RSA보다 더 안전하다고 생각됩니다. 왜냐하면 비교할 수 있는 보안을 훨씬 작은 키 크기로 달성할 수 있기 때문입니다. 그러나 그 작은 표면적은 또한 정밀한 공격에 더 민감합니다. 그리고 AI는 이를 이용하고 있습니다.

AI는 다음을 위해 사용됩니다:

• Pollard의 Rho 알고리즘을 가속화합니다. 이는 ECC를 공격하는 데 사용되는 주요 도구 중 하나입니다. 타원 곡선 공간을 통해 이동하는 것을 최적화함으로써, 기계 학습은 충돌 시간을 크게 줄일 수 있습니다.
• 사이드 채널 공격을 수행합니다. 여기서 전자기 또는 전력 소비 데이터를 훈련시킨 모델은 ECC 연산에서 사용되는 개인 키를 추론할 수 있습니다.
• 커브 특정 공격을 생성합니다. 여기서 AI 모델은 커브의 산술적 속성을 분석하여 약하거나 공격에 취약한 커브를 식별합니다.

사이드 채널 공격의 다음 단계

전통적인 사이드 채널 공격(SCA)은 물리적 접근과 고해상도 측정 도구를 필요로 합니다. AI는 이러한 공격을 원격 및 자동화되게 만들고 있습니다. 예를 들어, 깊은 학습 모델은 계산 시간, 전력 소비 또는 음향 방출의 미세한 변화를 분류하여 개인 키를 추론할 수 있습니다.

가장 큰 발전은 AI가 공격하는 시스템의 이론적 기반을 알 필요가 없다는 것입니다. 충분한 훈련 데이터만 있으면 됩니다. 한 번 훈련되면, 이러한 모델은 암호화 연산을 통해 완전히 우회하여 수학적 보호를 무시할 수 있습니다.

양자 이전 및 이후의 상승

양자 컴퓨팅이 RSA와 ECC에 대한真正한 존재적 위협이라고 생각할 수 있습니다. 그리고 그것은 사실입니다. 충분히 강력한 양자 컴퓨터에서 실행되는 Shor의 알고리즘은 둘 다를 파괴할 것입니다.

그러나 여기서의 반전은 AI가 양자 우위로의 다리 역할을 하고 있다는 것입니다. 양자 기계가 성숙하기를 기다리는 동안, AI는 오늘날의 고전적인 공격을 더 빠르고, 더 확장 가능하고, 더 효과적으로 만듭니다. 일부 연구자들은甚至 양자 알고리즘의 행동을 시뮬레이션하기 위한 양자启发 AI 모델을 개발하고 있습니다.

실제로, AI는 이러한 암호화 체계가 구식이 되는 시간을 단축하고 있습니다. 양자 우위가 도착하기도 전에.

보안에 대한 영향

AI가 RSA와 ECC에 미치는 위협은 더 이상 이론적인 문제가 아닙니다. 그것은 지금 발생하고 있습니다. 이러한 암호화 풍경의 변화는 정부, 사이버 보안 기관 및 민간 기업에서 심각하게 받아들여지고 있습니다. 미국 국립 표준 기술 연구소(NIST)는 양자 이후 암호화로의 전환을 주도하고 있습니다. 연구를 통해, NIST는 양자 공격에 저항할 수 있는 알고리즘을 최종화했습니다. 이러한 알고리즘은 또한 AI 지원 암호 분석에 대한 내구성 테스트를 받고 있습니다.

중요 인프라에 대한 위협

보다 우려되는 것은 중요 인프라에 대한 위협입니다. 에너지 그리드, 물 처리 시설, 교통 시스템 및 헬스케어 네트워크는 종종 RSA 또는 ECC에 의존하는 구식 또는 업데이트가 어려운 소프트웨어 스택을 실행합니다. 이러한 시스템의 성공적인 침해는 실제로 혼란을 일으키고 공공 안전을 위협할 수 있습니다. 국가적 위협의 맥락에서, 이러한 시스템은 특히 스파이 및 破壊의 매력적인 표적입니다.

변화가 필요한 것

여기서의 현실은 다음과 같습니다. 새로운 시스템에서 아직 RSA 또는 ECC를 사용하고 있다면, 이미 뒤처지고 있습니다. AI는 이러한 시스템을 완전히 깨트릴 필요가 없습니다. 그것을 약화시키기만 하면 충분합니다.

현대적인 방어는 다음과 같이 전환해야 합니다:

• 양자 이후 암호화를 채택합니다. 이것은 래티스 기반, 해시 기반 또는 다변량 다항식 체계를 의미합니다.
• 암호화 업그레이드를 쉽고 무통으로 만드는 기술 플랫폼을 조사합니다.
• AI에 저항하는 암호화 방법에 투자합니다. 이것은 AI 강화 분석에 저항할 수 있는 알고리즘을 의미합니다.
• AI 적색 팀을 수행합니다. 즉, 기계 학습을 사용하여 보안 스택을 스트레스 테스트합니다.
• 구현 위생을 재검토합니다. 많은 AI 공격은 구현이 나쁨으로 인해 성공합니다.

결론

AI는 암호화에 대해 다른 산업에서 이미 한 일을 하고 있습니다. 약한 링크를 더 빠르게 찾고 있습니다. RSA와 ECC는 아직 죽지 않았지만, 벽에 쓰여진 글자는 분명합니다. 암호화의 옛 가드는 더 이상 도전을 받지 않을 수 없습니다. 우리는 진화하거나 뒤처집니다.

AI 지원 공격은 오래된 암호화 체계를 구식으로 만들고 있습니다. 정부와 연구자들은 새로운 양자 이후 암호화 표준을 출시하여 준비하고 있습니다. 한편, RSA 또는 ECC를 아직 사용하는 구식 시스템은 특히 중요 인프라의 경우 위험에 처해 있습니다. 이러한 시스템은 특히 국가적 위협으로부터 심각한 영향을 받을 수 있습니다.

대기하는 것은 더 이상 선택이 아닙니다. 보안은 이제 유연하고, 적극적이고, AI와 양자 강화된 위협에 준비되어야 합니다. 따라서 중요 인프라 산업에 대한 메시지는 명확합니다. AI를 강화한 적으로 생각하라. 그것이 당신의 데이터를 노리는 것입니다.