Ο GPT–6 Astra σπάει ένα μήνυμα Enigma που άνεχε λύση από το 2005
Πρωτότυπος τίτλος: "OpenAI GPT–6 Astra breaks Enigma message that has resisted solution since 2005" (από sohkamyung)
Το GPT–6 Astra, ένα μοντέλο παραγωγικής τεχνητής νοημοσύνης (Generative AI), κατάφερε αυτόνομα να λύσει το Enigma μήνυμα MVUEH που είχε ανεπίλυτο από το 2005. Χρησιμοποιώντας τον όρο crib «ROSENOW ROSENOW», έφτιαξε προγραμματιστικά ένα Enigma και Bombe σε Python/C++ και βρήκε τον σωστό κλειδί και το κείμενο. Η επίδειξη δείχνει πώς ένα LLM μπορεί να λειτουργήσει ως αυτόνομος κρυπτοαναλυτής, συνδυάζοντας λογική αναζήτησης με πρόσβαση σε αρχειογραφικές πηγές.
Η προκλήση του μηνύματος MVUEH
Το μήνυμα MVUEH, που μεταδόθηκε από τη tactica callsign 2ny και καταγράφηκε από τη σταθμό SS‑Totenkopf Quartiermeister Ib, είχε 82 γράμματα και ανεπίλυτο από το 2005. Η δυσκολία προέρχονταν από λάθη στη transcripts του ciphertext, το σπάνιο turnover του αριστέρου γυρίζονιου στο γράμμα 72 και το γεγονός ότι το κλειδί διαφέρειólως από τα άλλα μηνύματα της ίδιας ημέρας (διαφορετικός wheel order, Stecker και Ringstellung). Αυτοί οι παράγοντες έκαναν τις παραδοσιακές μεθόδους cryptanalysis ανεπαρκείς.
Η μέθοδος του GPT–6 Astra: cribs, προσομοίωσης και Bombe
Ανάλυσα το corpus του Crypto Cellar και, χωρίς καμία προκαθορισμένη κατεύθυνση, το GPT–6 Astra πρότεινε το MVUEH ως πιο ενδιαφέρον target, υπονώντας ότι το κείμενο μπορεί να σχετίζεται με το ήδη λυμένο SIPVX. Επιλέγοντας τον crib «ROSENOW ROSENOW» — μια επαναλαμβανόμενη ονομασία toponímου που εμφανίζεται στα δύο μηνύματα — το μοντέλο έφτιαξε από μηδέν ένα ακριβή Enigma σε Python και, στη συνέχεια, ένα Bombe σε C++ για να διερευνήσει τον χώρο των δυνατών κλειδιών. Η διαδικασία περιλάμβανε αυτόματα τη δημιουργία του , την εφαρμογή του cribs και την εξάπλωση του Bombe μέχρι να εντοπίσει το μοναδικό κλειδί που παράγει το σαφές κείμενο.
Επιπτώσεις για την έρευνα κρυπτογράφησης και την αυτονομία των LLM
Η επιτυχία δείχνει ότι ένα LLM, ειδικά όταν είναι εκπαιδεμένο σε grandes κορpora κειμένου, μπορεί να λειτουργήσει ως αυτόνομος ερευνητής: να εντοπίζει σχετικές αρχειογραφικές πηγές, να σχηματίζει ερευνητικές hipótesis και να υλοποιεί τεχνικά εργαλεία (συμულατοποιητικά, brute‑force μηχανές) χωρίς ανθρώπινη παρέμβαση. Αυτό ανοίγει δρόμους για τη χρήση παραγωγικής τεχνητής νοημοσύνης (Generative AI) σε τομείς όπως η κρυπτανάλυση, η αρχαιολογία δεδομένων και η διαλειτουργικότητα (interoperability) μεταξύ αυτοματοποιημένων εργαλείων και ανθρώπινου especialist knowledge. Η περiptωση του GPT–6 Astra να ανακαλύψει αναφορές σε Bundesarchiv αρχεία (RS 3–3/20a, RS 3–3/63b) δείχνει ότι τα μοντέλα μπορούν να ενσωματώσουν εξωτερική γνώση και να τη χρησιμοποιούν ως οδηγό στην έρευνα.
Ανακαλύψτε καινοτόμα open-source εργαλεία και κρυμμένα διαμάντια ανοιχτού κώδικα.