Matthew Green 用 AI 量化人类密码分析投入:格问题已超椭圆曲线 1.7 倍
matthew_d_green · x · 2026-10-10
约翰·霍普金斯密码学家 Matthew Green 让 Claude 与 GPT-6 Astra 主导完成了一项研究：用文献本身作为测量工具，估算人类对各类公钥加密假设投入的公开密码分析总量。研究从约 1.6 万篇候选论文中筛出 2877 篇主体语料，识别约 3240 位不同作者，把论文折算为「研究投入人年」。
关键发现：
- 格问题（LWE/MLWE）的累积研究投入近期才反超椭圆曲线（ECDLP），目前约为其 1.7 倍；
- 对 P-256 的最大公开求解之外仍有 269 个量级的差距未被触及；
- 作者估计，基于论文的估算可能大幅高估实际投入时间。
方法上由 Claude Fable 5.1 与 Opus 5.5 搭建流程、跑分析并撰写页面，Green 负责提出问题、把关方法论决策。这既是关于后量子迁移合理性的量化依据，也是一次 AI 主导大规模文献分析的示范。
「漫话AGI」频道最新
- Scoble 论 AI 意识:「融化的沙子没有生命,得换个词」 — repligate · 2026-10-10
- dotey:Vibe Coding 是中年男人的钓鱼,重过程不重产物 — dotey · 2026-10-10
- 用 Claude Fable 给 2021 预测打分，Christiano 称风险集中近三年 — repligate · 2026-10-10
- AI 将先达博士级再达咖啡师级:能力曲线的错位现实 — max_paperclips · 2026-10-10
- Plinz 谈 Schmidhuber 的署名执念：科学史只是历史，科学不属于科学家 — twiecki · 2026-10-10
- 71% 美国人反对身边建数据中心，反 AI 运动背后是人文焦虑 — abhiadesai · 2026-10-10