Claude 找出 ECDSA 曲線種子來源：時間戳記謎題解開，為何不代表加密被破解？

ECDSA 的一個長年來源問題，因為 Anthropic 公布的 Claude 研究再次受到關注。研究追查的是標準曲線裡某些數值從哪裡來，而不是取得使用者的私鑰。

看到 AI「破解密碼學謎題」，很容易以為網站或數位資產的安全出了問題。但密碼學研究包含很多不同問題，找到參數的生成方式，和破解一個簽章不是同一件事。

Anthropic 在 2026 年 10 月 16 日公布，內部研究模型把數個 NIST 曲線種子的來源，追到以時間戳記初始化的 C 語言隨機數產生器。

這替一個缺少公開說明的歷史問題提供了可檢查解釋。官方也明確指出，這不是新的加密攻擊或曲線弱點，使用者不需要因此採取行動。

對關心 AI 研究能力的人，真正值得看的，是模型如何把模糊問題縮成可以重現的假設。如果只記住「Claude 破解加密」，反而會錯過成果的內容。

先把曲線種子與個人私鑰分開，才能看懂這項研究究竟回答了什麼。

ECDSA 曲線種子的歷史問題是什麼？

ECDSA 是一種數位簽章方法，用來確認一份資料是否由持有特定私鑰的人批准。數位簽章不是把內容藏起來，而是讓接收者可以檢查來源與完整性。

其中會使用特定的橢圓曲線參數。曲線可以先理解成一套數學運算環境，公開參數告訴大家按照什麼規則計算，個人私鑰則是使用者自己持有的秘密。

公開參數的來源，影響的是可解釋性

根據 Anthropic 官方研究，NIST 在 2000 年採用的標準包含多組曲線，其中公布了用來定義部分數值的種子，但當時沒有完整交代種子如何選出。

因為這些數值涉及廣泛使用的標準，密碼學社群長期關心它們是否有可重現的來源。知道一個數字怎樣產生，有助於檢查選擇過程，而不只是接受權威提供的結果。

但來源說明不足，和已經存在可利用弱點仍是不同主張。研究者可以對生成過程提出疑問，同時仍認為曲線在已知分析下可信，兩者並不矛盾。

曲線種子不是錢包助記詞

日常談到「種子」，有些人會想到用來恢復錢包的助記詞。這次研究裡的種子，則是標準曲線的公開參數，不能把兩種用法混在一起。

前者可能關係到個人帳號或資產控制，後者原本就存在公開文件裡。因此知道曲線種子的來源，不會自動得到任何人的帳號秘密。

這個區別很重要，因為同一個詞出現在新聞標題時，容易讓讀者誤以為研究已經能還原個人金鑰。實際問題的範圍小得多，也更具體。

Claude 如何把來源追到隨機數與時間戳記？

Anthropic 說明，研究模型找到的方式是 lrand48 隨機數產生器，以 Unix 時間戳記設定初始狀態，再依序取出候選數值。時間戳記是用數字表示某個時間點的方法。

官方指出，模型在不到半小時內找到 NIST P-192、P-224、P-256、P-384 與 P-521 種子的生成來源。這段時間描述的是此次研究過程，不能當成所有密碼學問題的通用速度。

從一個數字猜來源，必須能重新產生它

一個有說服力的來源假設，應該能用明確程序得到同樣結果。因為只找到一個看起來合理的故事，還不足以解釋數值為何恰好如此。

官方描述的程序會在固定初始化條件下反覆取得二十個位元組，形成候選種子。例如 P-256 對應的結果在特定迭代次數出現，這讓假設可以接受程式核對。

因此成果的價值，在於把歷史猜測變成能測試的生成步驟。其他人可以檢查條件是否吻合，而不是只能相信模型說自己找到了答案。

時鐘為何能重現一長串數字？

這裡的隨機數產生器，其實是按固定規則推進的偽隨機程序。只要初始狀態相同，後面的數列就相同。看起來雜亂，不代表每次都從完全不可預測的事件取值。

可以把它想成一條很長的號碼帶，起始設定決定從哪裡開始，規則決定接著走到哪個號碼。研究者要找的，不只是某個日期，而是能同時吻合輸出方式與候選次數的組合。

官方例子中，P-256 的公開種子對應第 1,842 組候選。這個編號不是第 1,842 位使用者，更不是私鑰。它只表示同一段生成程序向前走了多少組，才得到標準文件裡的值。

因此，重現應比較整段結果，不能只看到開頭幾個數字相似就接受。找到一套程序能產生已知種子，才把「可能是用時鐘」這個猜想推進成具體、可核對的證據。

研究模型的能力不能直接套到所有產品

官方使用的是內部研究模型，文章並沒有把這項能力定義成每個公開 Claude 帳號都具備的固定功能。因此不能要求一般聊天介面輸入同一句話，就一定得到相同成果。

這也提醒我們，AI 科學研究常包含模型、工具與人類驗證的組合。若要比較能力，就應看完整研究條件，而不是只看品牌名稱。

對外部讀者，較實際的做法是理解成果如何被核對，再追蹤是否有更多可重現資料。這比從單一新聞推論模型已經能解開所有未解問題更可靠。

曲線種子來源可重現，為何不等於簽章失效？

找到參數來源，回答的是公開數字怎樣產生。破解簽章則需要取得不該取得的能力，例如在沒有私鑰的情況下偽造有效批准，兩者之間沒有直接等號。

可以把它想成知道一套公開規則最初如何制定，並不代表你就能繞過規則。這個比喻不取代數學證明，但能幫助區分研究問題。

不同主張需要不同證據

若有人說「參數來源已找到」，可以提供生成程式與吻合結果。若說「曲線被破解」，就需要展示實際攻擊能力與影響條件，證據要求完全不同。

Anthropic 官方把這次成果定位為部分曲線種子來源問題的解答，並指出不是曲線弱點。因此新聞解讀應保留這個範圍，不把引人注意的說法寫成新的安全事故。

以下把常見混淆整理在一起。

表格也顯示，精確說明範圍不會減少成果價值。相反地，它讓讀者知道研究改變了哪一個理解，避免把科學進展和安全恐慌混為一談。

找到生成方式，還留下哪些歷史問題？

官方也保留幾個未解部分：有些候選曲線看似可用，當年卻被跳過，研究者仍不知道選擇標準。這表示能重現最後選中的數值，和完整還原所有決策理由，是不同層次的成果。

曲線還有一個供後續計算使用的固定基準點。官方找到部分基準點的來源，但 P-224、P-256、P-384、P-521 等仍未解釋。另一個 B-163 種子的來源也未找到。

這些缺口並沒有讓本事件變成已發現的新攻擊。它們界定的是研究還沒回答的問題，也使「所有曲線歷史謎題都解決」超出原文。讀者可以肯定已重現的部分，同時保留未解範圍。

一般使用者不需要因此重設帳號

這份公告沒有要求使用者更換密碼、移動資產或停用服務。若看到社群把它改寫成需要立即操作的警報，應先回到官方研究確認原意。

對工程團隊而言，也不應因為標題就自行替換密碼學實作。實際系統變更需要依相關標準與安全建議，不能由一則歷史來源研究直接推導。

這項成果對 AI 研究方法有何啟示？

最有價值的啟示，是把一個模糊疑問轉成可以執行與反駁的假設。因為模型很會產生解釋，研究流程就更需要讓解釋接受獨立檢查。

這次研究有明確目標數值，也有能驗證的生成程序，因此容易判斷假設是否吻合。其他 AI 研究若缺少這種條件，就應保留更大的不確定性。

用可重現結果區分靈感與發現

模型提出 lrand48 可能只是研究靈感，直到程序重現相應數值，才形成較強證據。這個區別適用於很多領域，從程式錯誤到資料分析都一樣。

例如模型猜測某個資料異常來自時區，還需要用實際紀錄重算才能確認。因為合理解釋可能有很多個，能否重現才會決定哪個值得採用。

讓人類專家檢查推論邊界

即使結果吻合，專家仍要判斷它能回答多大問題。模型可能把局部證據延伸得太遠，因此研究者需要把已證明、合理推測與尚未回答的部分分開。

這也是寫 AI 科學新聞時應保留的習慣。用一句「AI 做到了」包住所有過程，會讓讀者難以分辨工具能力、研究設計與人類驗證各自扮演什麼角色。

持續追蹤同類可重現成果

單一成功案例值得注意，但能力是否穩定，需要更多不同問題與重複檢查。若未來有公開程序、獨立重現或完整評估，就能更清楚理解模型的研究價值。

因此，這次事件最適合當成研究方法的案例。它說明 AI 可以幫人找到意外的線索，也提醒我們要把最後判斷建立在可核對結果上。

延伸閱讀

延伸閱讀：Claude Mythos 5 設計量子電路：更少閘與量子位元，研究成果怎麼看？

延伸閱讀：Google Willow 魔法態培育登上 Science：錯誤降約 40 倍，離實用量子電腦多遠？

ECDSA 常見問題

Claude 取得了使用者的私鑰嗎？

沒有這種主張。研究對象是公開曲線參數的來源，和個人私鑰或錢包助記詞不同。

為什麼時間戳記這麼簡單，也值得研究？

因為難點在於從既有數值找出正確生成方式。能用具體程序重現，才讓長期猜測得到可檢查解釋。

一般人需要做什麼？

官方表示本事件不需要使用者採取行動。理解研究範圍即可，不必根據誇張標題自行更動帳號或資產。

把「找到來源」讀準，才看得見 AI 的研究價值

這次成果讓部分 ECDSA 曲線參數的歷史來源更清楚，也提供 AI 協助可重現研究的例子。它的價值在證據與解釋，無需把它寫成加密失守。

想持續追蹤 AI 科學研究與技術消息，可以免費訂閱 AI 郵報，用原始來源理解每一次突破的實際範圍。

資料來源

• 官方原始公告／文件
• X 發布與討論原帖