Ang mga AI agent ng DeepMind ay nag-uulit ng computation sa 1024-bit na kriptograpiya gamit ang minimum na tulong mula sa tao

iconNS3
I-share
AI summary iconSummary
Ayon sa NS3, ang mga AI agent ng Google DeepMind ay narepliko ang isang 1024-bit na kriptograpiyang kalkulasyon sa loob ng tatlong araw at 22 oras gamit ang minimum na tulong mula sa tao—tungkol sa 20 mensahe. Ang sistema ay nangasiwa sa pag-program, pag-debug, at pagpapatakbo, at naglikha ng 33,500 na linya ng code at isinagawa ang 336 na distributed na eksperimento gamit ang RSA. Ang gawain ay nag-consume ng 391 core-years ng CPU, isang 3.5x na pagpapabuti kumpara sa mga nakaraang akademikong resulta. Ang mga agent ay nakakita at inayos ang isang 32-bit na overflow error nang walang redundant na tanong. Ang pananaliksik ay nagsasangkot ng multi-party computation (MPC) at gumamit ng elliptic curve cryptography. Hindi ito isang banta sa mga sistema ng RSA na 2048-bit o higit pa.

Sinabi ng Google DeepMind na dalawang AI agent ang nakapag-reproduce ng kilalang computation sa 1024-bit cryptography, na nag-handle ng programming, malawakang pagsasagawa at debugging gamit ang halos 20 mensahe mula sa tao, pangunahin ang pagpapayag. Nakuha ng mga agent ang napatunayang resulta tatlong araw at 22 oras pagkatapos magsimula ang pagdidisenyo. Iminungkahi ng isang researcher ng DeepMind ang gawaing ito noong Nobyembre 6 bilang isang sandboxed na pag-reproduce ng isang benchmark na naka-solve na.

Ang eksperimento ay naglalayon sa RSA digital signatures kaysa sa pagkuha ng private key. Isang hiwalay na programa na may modulus factorization ang sumagot sa humigit-kumulang 4 bilyong mga preliminary query. Nagtapos ang pag-access sa simulated signing service bago maipili ang target. Pagkatapos ay kalkulahin ng mga agente ang mathematical root na kailangan para sa bagong signature nang walang karagdagang query. Sinasabi ng mga papel na ang mga resulta ay hindi nagdudulot ng banta sa mga deployed cryptosystems na gumagamit ng RSA na may key ng 2048 bits o higit pa.

Pinili ng human researcher ang problema, ang instance at ang mga paghihigpit sa pag-access sa signing-service, at tinanggap ang mga kondisyon na nagpapamamahala sa mga hindi maaaring balikin na hakbang. Sabi ng papel, hindi sumulat ang researcher ng code, hindi sinimulan ang mga job, at hindi din sinuri ang mga pagkabigo. Nagmamahala ang supervisor agent sa disenyo, budget para sa mga yaman, at mga pagsusuri sa pag-verify. Nagbuo at tinest ng executor agent ang code, sinimulan ang mga distributed na job, at inayos ang mga pagkabigo. Kinuha ng supervisor ang isang espesyalista sub-agent upang mabilisin ang isang linear-algebra na hakbang. Ang mga agent ay nagbuo ng halos 33,500 na linya ng bagong code, isinagawa ang 336 distributed na eksperimento, at nagpadala ng 218 mensahe sa isa’t isa.

Ang 32-bit offset overflow ang nagdulot ng maling unang root calculation ng mga agent. Natuklasan ng verification check ang problema, at tinukoy at pinag-ayos ng mga agent ang kakaibang walang pag-uulit ng mga preliminary signing queries. Dahil sa maliit na bilang ng mga mensahe ng tao, hindi ito inalis ang mga kinakailangang pagpili at pag-apruba ng tao.

Ang working paper ay naglalagay ng CPU use para sa natapos na kalkulasyon sa 391 core-years, kumpara sa naunang team na may rounded total na 1,380 para sa parehong instance at algorithm. Ang mga numero ay nagpapakita ng halos 3.5-fold na pagbawas sa nasukat na CPU use. Ang naunang akademikong pagpupursige ay tumagal ng humigit-kumulang limang buwan. Ang computation ni DeepMind ay nakamit ang verified root 3.2 araw pagkatapos magsimula ang unang full-scale sieving job. Ang peak resources ay umabot sa humigit-kumulang 300,000 CPU cores at 16 GPUs. Ang mga may-akda ay nagtatangi sa mas maikling elapsed time sa pangunahing dahilan ng parallel execution.

Ang pagpapatupad at pagpapatakbo ng mga pagbabago sa umiiral na algoritmo ay nagproduko ng CPU savings. Ang bilang na 391-core-year ay naglalabas ng higit sa 330 na reserved GPU-hours, kabilang ang halos 100 oras ng aktibong GPU use. Ang kabuuan ay naglalabas din ng 7.5 CPU core-years na ginastusan sa mga probe at rehearsal. Ang mga pagkakaiba sa hardware na ginamit para sa dalawang CPU totals ay nagpapahihirap sa isang kontroladong paghahambing sa mga identikal na kondisyon.

Hindi nagpakita ang tinitiyak na pag-uulit ng bagong algoritmo ng working paper sa kriptograpikong iskala sa mas mahigpit na pag-access sa pag-sign. Isang hiwalay na papel, Fan Factories, ay nagtataya na bawat karagdagang 1024-bit na target ay magkakahalaga ng halos 30 beses na mas mababa kaysa sa multiple number field sieve. Ang tantiya na ito ay nagmumula sa pagbabahagi ng precomputation na nagkakahalaga ng halos katumbas ng isang general number field sieve factorization. Ang mga tantiya sa gastos ay mga heuristic na pagtataya ng leading-order, at wala pang fan factory na nailapat. Ang working paper ay tinitukoy ang mga pangunahing modelo bilang A at B lamang at hindi nagbibigay ng link sa isang publikong repository ng implementation, na nagtatagpo ng mga panlabas na paghahambing.

Disclaimer: Ang information sa page na ito ay maaaring nakuha mula sa mga third party at hindi necessary na nagre-reflect sa mga pananaw o opinyon ng KuCoin. Ibinigay ang content na ito para sa mga pangkalahatang informational purpose lang, nang walang anumang representation o warranty ng anumang uri, at hindi rin ito dapat ipakahulugan bilang financial o investment advice. Hindi mananagot ang KuCoin para sa anumang error o omission, o para sa anumang outcome na magreresulta mula sa paggamit ng information na ito. Maaaring maging risky ang mga investment sa mga digital asset. Pakisuri nang maigi ang mga risk ng isang produkto at ang risk tolerance mo batay sa iyong sariling kalagayang pinansyal. Para sa higit pang information, mag-refer sa aming Terms ng Paggamit at Disclosure ng Risk.