AI 智能体自主密码分析，破解 8 项已发表构造

一项新上传到 arXiv 的研究提出了一套由 AI 智能体驱动的自主密码分析工作流。在该流程中，agent 自主生成、测试并迭代假设，最后由人类研究者决定证据是否构成"突破"、"缺陷"或"覆盖不足"。论文报告了 8 项已发表构造在声明参数或声明目标上存在失败，且每一项结果都附有可精确复现的证人、对照实验、控制代码与运行记录。

工作中反复出现的两类失败模式

论文指出，被攻破的目标大多落入两类系统性失误：

• 公开的代数映射或输入表示擦除/暴露了构造本应隐藏的关系，例子包括乘零、多项式乘积的边界系数、商结构、特征标、Schur 平方，以及无显式边界的变长字节编码。
• 模拟器、错误分布律或参数证明使用了与声明不一致的分布；有若干目标同时存在这两类问题。

八项具体构造的失效

论文给出了 8 例具体失效，可概括为：

• Ring-LWR 承诺方案以概率 1 对任意消息可打开。
• 某密文直接泄露两条 middle-product 加密中的中间乘积行。
• 一个格上电子投票协议丧失 receipt-freeness（收据自由性）。
• 针对可更新加密的置换恢复攻击可经线性代数扩展，恢复出旧的解密密钥。
• 一个 63 次显式正规基被分解为 7 个 9 次实例。
• 格外的签名哈希将两条长度相同且可打印的消息映射到同一摘要。
• 某可重随机化方案的接受位等价于其解密噪声的阈值预言机。
• 另外，群环决策假设与一个多元 MinRank 加固方案分别在假设或计数层面失效，而非整体构造被攻破。

失败都恰好发生在"上一层"

论文特别强调一个共性：每一处失效都发生在支撑性假设的"上一层"，意味着证明结构整体可迁移，但局部依赖被绕过。这与一般性的"通用安全"宣称相比，给出了更窄但更可证的安全边界。

工作流的可验证性

研究者在论文中说明：每个结果都附带精确证人和可区分的对照实验，每条声明的边界都给出证明；有另外三个目标未能形成攻击，但其分析支持比通用解读更窄的安全保证。这种"agent 出证据、人来下结论"的分工，被作者视为可复现密码分析的一条可推广路径。

论文署名 Lukasz Olejnik，提交时间为 2026 年 8 月 22 日，编号 arXiv:2608.21986，归类于 cs.CR（密码学与安全）。