DeepMind AI 密碼分析研究公布，RSA-1024 的三種加速數字該怎麼讀？
DeepMind AI 密碼分析研究在 11 月 6 日公布，團隊在人類監督下使用 AI 代理，重新檢驗舊式 RSA-1024 系統的數學難度。 我會把這次研究看成密碼強度評估方法的進展。它值得安全研究者關注，日常使用者則不需要把它解讀成現代網站加密全面失效。
網站更新與文件簽章能不能信任，部分取決於攻擊者要花多少計算才能偽造結果。當這個成本估得太高，留下的安全餘裕就可能比預期小。
DeepMind AI 密碼分析研究在 11 月 6 日公布，團隊在人類監督下使用 AI 代理，重新檢驗舊式 RSA-1024 系統的數學難度。
公告裡同時出現 3.5 倍、約 1,600 倍與約 30 倍，但它們對應不同問題。把三個數字視為同一種破解速度，會得到錯誤的安全結論。
其中一項是隔離環境的實作結果，另外兩項涉及特定條件下的理論估計。批次研究還要把前置計算分攤到許多金鑰，才知道單把成本如何變化。
我會把這次研究看成密碼強度評估方法的進展。它值得安全研究者關注，日常使用者則不需要把它解讀成現代網站加密全面失效。
這個判斷的起點，是先分清簽章偽造、金鑰分解與金鑰長度各自回答什麼問題。
DeepMind AI 密碼分析研究，為什麼選 RSA-1024？
研究選擇已過時的系統作為壓力測試場域，目的是檢驗計算難度如何變動。當測試對象的規模與既有成果清楚，新的方法才有可比較的基準。
DeepMind 官方公告引用科學副總裁 Pushmeet Kohli 的完整說明，並連到數位簽章與批次分解兩篇技術工作論文。
RSA 的直觀起點，是把兩個很大的質數相乘。正向乘法容易，但從乘積找回原來的兩個質數，計算工作會困難許多，這種落差支撐了它的安全設計。
1024-bit 指金鑰數字的位元長度，也就是表示數字需要多少個二進位位置。長度增加會改變問題規模，因此不能拿特定長度的成果，直接換成另一種長度的破解時間。
舊系統是研究場域，現代部署是另一個問題
公告明確把實際影響限定在過時的 1024 位元 RSA 系統，並表示現代普遍使用的 2048 位元或更長金鑰不受這些結果威脅。兩篇論文開頭也保留同樣的範圍說明。
這個界線很重要。研究可以證明舊問題比先前估計容易，同時仍未提供攻破現代部署的證據，兩件事並不矛盾。
而且密碼系統的強度還受使用方式影響。相同金鑰長度下，能提供哪些簽章輸入、是否先做大量計算，都會改變研究回答的問題。
知道測試範圍之後，還要區分研究追求的是簽出假訊息，還是分解金鑰背後的大整數。
數位簽章與金鑰分解，為什麼不能混成一件事？
偽造某個可被接受的簽章，不一定要先解開整把金鑰，所以兩種工作需要分開計算。若把簽章研究簡化成「RSA 已被破解」，就會抹掉它依賴的條件。
數位簽章用來驗證訊息是否出自宣稱的來源，例如軟體更新、文件或網站資料。它保護的是來源與內容的可信度，和讓旁人看不懂訊息的加密用途有關聯，但工作目標不同。
第一篇技術工作論文研究的是帶有特定存取條件的數學問題。研究先允許使用一段簽章服務，再看服務不再可用時，前面取得的資訊能帶來多少幫助。
因此，這裡的成果不是只拿到一把公開金鑰，就能任意產生所有簽章。可取得的資訊與訊息格式，都是構成問題的重要部分。
格式安排為什麼會影響安全？
簽章前，系統會替訊息加入固定格式資料，稱為填補。它讓輸入符合規範，也會限制呼叫者能改動哪些部分，因此安全研究需要檢查這種限制究竟提供多少保護。
論文說明，呼叫者能控制的部分有多大，會改變問題難度。這個結果的意義是更精確地理解格式約束，並不等於所有採用填補的現代簽章都失效。
第二篇則直接研究大整數分解，而且關心同樣位元長度的一批數字。它問的是，有沒有部分工作可以先做好，之後讓每個新目標分攤成本。
可以把這種關係想成建立共用的研究設施。建設本身很昂貴，但如果後續有很多工作能使用它，平均到每一件工作的成本便可能下降。
工作目標不同，公告裡的倍數自然也需要回到各自的對照條件。
3.5 倍、1,600 倍與 30 倍各自比較什麼？
三種數字中，只有把實測、理論與批次攤銷分開，才能看出研究證明到哪裡。倍數本身沒有包含問題規模與前置條件，因此不能單獨代表可用的攻擊能力。
3.5 倍來自重現既有計算
簽章論文使用先前學術研究已解過的 1024 位元基準案例，在隔離環境重現計算。相同演算法、多項式與範圍設定下，第一個結果消耗的 CPU 總時間減少為先前約三點五分之一。
論文報告這次計算使用 391 個 CPU 核心年。核心年把所有處理器消耗的時間加總，與讀者看時鐘經過幾天不同，不能把它寫成單台電腦很快完成。
原文另外提到，兩個合作的 AI 代理在不到四天內設計、執行並除錯這項計算。這描述研究協作的時間，沒有把龐大的平行運算資源消掉。
官方說明也把所需計算量和分解同一金鑰比較，低於後者的千分之一。因為兩者完成的目標不同，所以這個差距不能用來宣稱通用金鑰分解也便宜了相同比例。
約 1,600 倍是特定情境的估算
當可控制的輸入更短，例如訊息中只有較短數位指紋的情境，格式限制仍會增加難度。研究提出新的數學方法，再對 1024 位元條件估計改善幅度。
官方文章用約 1,600 倍描述這項理論進展。它並未報告一個相同條件的大型完整實作，在計時後得到這個加速值，因此不能和前一項實驗直接並列成兩次測速。
理論結果仍然有價值，因為它指出先前的難度估計可以被改進。但要換成實際資源需求，還需要檢查實作常數、記憶體、資料交換與有限規模下的表現。
約 30 倍涉及共用前置工作
批次分解論文分析不同前置計算預算下，每增加一個目標需要多少工作。新的方法在一段預算範圍內，降低了先前最佳方法的漸近成本。
漸近分析研究的是問題規模持續增大時，成本如何成長。論文再把主要項套到 1024 位元數字，估出追加每個目標相對既有多數域方法約少三十倍工作。
這個比較保留特定前置預算，並把成本分攤到多個目標。若讀者只有一個目標，或沒有付出前置計算，就不能直接沿用相同倍數。
論文也說明，這些分析使用數域篩法的標準啟發式假設。部分代數身份與精確可行性條件經過形式化檢查，仍不等於所有實際耗時都已由程式完整跑過。
倍數說明特定任務的難度變化，人類與代理如何合作才是這次方法上的另一個重點。
AI 代理如何改變密碼研究的試錯速度？
人類監督下的代理能幫忙探索與實作數學想法，但結論仍要接受可檢查的技術論證。這次研究的特色，是把提出想法、推導與程式執行放進更密集的循環。
在計算重現中，設計實作與除錯都需要把抽象數學變成可運作的程式。如果代理能協助處理這些往返，人類研究者就能更快發現某個想法在哪一步失效。
批次分解論文則提到雙代理安排，一個模型產生證明，另一個檢查。這樣的分工提供額外檢查機會，但可信度仍要看推導、假設與可驗證結果，不能只靠兩個模型彼此同意。
論文使用 Lean 4 檢查部分數學內容。它是一種能讓電腦依形式規則確認推理的工具，所以這裡增加的是特定命題的檢查依據，而非替整套研究貼上絕對無誤的標籤。
研究速度與計算速度要分開
研究迭代變快，代表提出、排除與修正方法的間隔縮短。實際執行成本下降，則代表在相同工作目標下消耗較少資源，兩者可能同時發生，也可能只有其中一項改善。
這個區分讓AI研究成果更容易評估。如果只報告代理幾天內完成任務，卻沒有揭露使用多少處理器，就無法判斷改善主要來自方法、實作還是資源投入。
論文把固定成本與新增目標的成本分開，也提供另一個可檢查的問題。如果共用資料只用在很少的目標上，昂貴的準備工作就難以攤薄，平均成本可能仍然很高。
因此，安全餘裕並非一個永遠固定的倍數。它會隨對手能取得的資訊、可重用資料的範圍與願意投入的預算變動，研究的貢獻就是把這些關係寫得更明確。
同一理由也讓舊基準具有長期價值。當後續團隊在相同條件下重做計算，才能把新硬體帶來的改變，和演算法或程式實作的改善分開。
相反地，如果只報告數學複雜度下降，也還不知道實際工程能否承受資料量。把協作時間、CPU 總量與理論條件分開，才能留下可供後續研究重現的比較基準。
當研究迭代變快，安全評估就得更常更新計算假設，而不能沿用過去的成本印象。
這次結果對安全團隊與一般讀者有什麼意義？
安全團隊應按系統實際採用的演算法與金鑰長度理解影響，一般讀者則先掌握公告適用的範圍。這份研究支持重新檢查舊系統，沒有提供現代網站全面失守的證據。
若組織仍保存歷史簽章流程，可以先盤點它使用哪種長度、格式與簽章介面。因為研究條件包含可控制輸入與前置資訊，單憑設備名稱不足以判斷是否落在同一問題範圍。
這種盤點的目的，是把數學發現接回系統資產，而不是照著新聞倍數安排修補優先順序。系統是否仍在服務、保護哪些資料、能否替換，才會決定實際處理方式。
對關注AI科學進展的人，這次也提供較具體的觀察方式。要看代理在哪個環節幫上忙，以及新的主張有沒有被論文、程式或形式化結果支持。
延伸閱讀：OpenAI 找出 948 個 Linux 提權漏洞：自動查找、驗證與補丁如何分工？
延伸閱讀：GPT-6 Cyber 發表，資安能力與授權邊界如何一起看？
把研究條件保留下來，才能既看見AI推進科學的價值，也避免把特定成果擴大成全面失守。
DeepMind AI 密碼分析常見問題 FAQ
DeepMind AI 密碼分析代表所有 RSA 都不安全嗎？
這次研究針對舊式 1024 位元條件，官方與論文均說明不威脅現有採 2048 位元以上 RSA 的部署，因此不支持全部RSA已失效的結論。
1,600 倍是實際破解時間嗎？
它是特定條件下的新方法理論估計。實際重現並報告 CPU 用量的三點五倍改善，是另一項結果。
這次用了量子電腦嗎？
論文討論的是傳統運算下的密碼分析，沒有把量子電腦作為這些成果的運算前提。
可以直接把不同加速倍數相乘嗎？
不能，因為它們對應不同目標、資訊條件與比較基準。相乘不會得到有意義的通用破解速度。
結論
這批研究的重點，是舊式密碼問題的成本模型得到更精細的檢查，AI代理則協助加快部分探索與實作。對成果的判斷，應同時保留測試範圍與證明程度。
後續可以持續追蹤兩篇工作論文的實作重現、同行檢查與更新，再看方法是否在其他規模下成立。這比把一個大倍數當成所有加密技術的倒數，更能反映研究帶來的變化。
