Agen AI DeepMind menghasilkan pengiraan kriptografi 1024-bit dalam 3.2 hari

iconCryptoSlate
Kongsi
AI summary iconRingkasan
Agen AI Google DeepMind telah mengulangi pengiraan kriptografi 1024-bit menggunakan komputasi pelbagai pihak (MPC) dalam masa 3 hari dan 22 jam. Eksperimen ini menangani pemrograman, pelaksanaan, dan penyelesaian ralat, menghasilkan 33,500 baris kod dan menjalankan 336 eksperimen teragih. Tandatangan digital RSA digunakan, tetapi tiada kunci peribadi yang dipulihkan. Tugas ini menghabiskan 391 tahun-corem CPU, peningkatan 3.5 kali ganda berbanding kerja akademik sebelumnya. Kriptografi lengkung eliptik juga terlibat dalam penyetelan ujian.

Google DeepMind mengatakan dua agen AI telah mereproduksi pengiraan kriptografi 1024-bit yang sudah diketahui, menangani pemrograman, pelaksanaan berskala besar, dan pembaikan dengan sekitar 20 mesej manusia, kebanyakannya persetujuan. Agen-agen tersebut mencapai hasil yang disahkan tiga hari dan 22 jam selepas kerja reka bentuk bermula. Seorang penyelidik DeepMind mengumumkan kerja ini pada 6 November sebagai reproduksi dalam persekitaran terkawal terhadap tolok ukur yang sudah diselesaikan.

Eksperimen ini melibatkan tanda tangan digital RSA bukan pemulihan kunci peribadi. Satu program berasingan dengan faktorisasi modulus memberikan jawapan kepada kira-kira 4 bilion soalan awal. Akses ke perkhidmatan penandatanganan yang disimulasikan berakhir sebelum sasaran dipilih. Agen-agen seterusnya mengira punca matematik yang diperlukan untuk tanda tangan baru tanpa membuat sebarang soalan tambahan. Kertas-kertas tersebut menyatakan bahawa keputusan ini tidak membawa ancaman kepada sistem kriptografi yang telah dilaksanakan yang menggunakan RSA dengan kunci 2048 bit atau lebih.

Penyelidik manusia memilih masalah, contoh dan sekatan akses kepada perkhidmatan penandatanganan, kemudian bersetuju dengan syarat-syarat yang mengawal langkah-langkah tak boleh dipulihkan. Kertas itu menyatakan penyelidik tersebut tidak menulis kod, tidak memulakan tugas, dan tidak mendiagnosis kegagalan. Sebuah agen pengawas mengurus reka bentuk, bajet sumber, dan semakan pengesahan. Sebuah agen pelaksana membangunkan dan menguji kod, memulakan tugas teragih, dan memperbaiki kegagalan. Pengawas merekrut seorang sub-agen pakar untuk mempercepatkan langkah aljabar linear. Agen-agen tersebut menghasilkan kira-kira 33,500 baris kod baru, menjalankan 336 eksperimen teragih, dan menghantar 218 mesej antara satu sama lain.

Kecerunan ofset 32-bit menyebabkan pengiraan akar awal agen menjadi tidak tepat. Semakan pengesahan mengesan masalah tersebut, dan agen-agen mengenal pasti serta membaiki kesalahan tanpa mengulangi soalan penandatanganan awal. Oleh itu, bilangan pesan manusia yang sedikit tidak menghapuskan keperluan pemilihan atau persetujuan tugas manusia.

Kertas kerja tersebut menempatkan penggunaan CPU untuk pengiraan yang selesai pada 391 tahun-coro, berbanding jumlah bulat sebelumnya sebanyak 1.380 untuk contoh dan algoritma yang sama. Angka-angka ini mewakili pengurangan kira-kira 3,5 kali dalam penggunaan CPU yang diukur. Usaha akademik sebelumnya berlangsung selama kira-kira lima bulan. Pengiraan DeepMind mencapai punca yang disahkan 3,2 hari selepas tugas penyaringan berskala penuh pertama bermula. Sumber puncak mencapai kira-kira 300.000 coro CPU dan 16 GPU. Penulis mengaitkan masa berlalu yang lebih singkat terutamanya kepada pelaksanaan selari.

Perubahan pelaksanaan dan pelaksanaan terhadap algoritma sedia ada menghasilkan penghematan CPU. Angka 391 tahun-inti CPU tidak termasuk sekitar 330 jam-GPU yang dipesan, termasuk sekitar 100 jam penggunaan GPU aktif. Jumlah total juga tidak memasukkan 7.5 tahun-inti CPU yang digunakan untuk pengujian dan latihan. Perbezaan antara peranti keras yang digunakan untuk dua jumlah CPU mencegah perbandingan terkawal di bawah keadaan yang identik.

Reproduksi yang diukur tidak menunjukkan algoritma baharu dalam kertas kerja tersebut pada skala kriptografi di bawah akses penandatanganan yang lebih ketat. Sebuah kertas kerja berasingan, Fan Factories, menganggarkan bahawa setiap sasaran 1024-bit tambahan akan berharga kira-kira 30 kali kurang daripada multiple number field sieve. Anggaran ini mengandaikan prekomputasi bersama yang berkos kira-kira setara dengan satu pemfaktoran general number field sieve. Anggaran kos ini adalah anggaran heuristik peringkat utama, dan tiada fan factory telah dilaksanakan. Kertas kerja tersebut hanya memberi label kepada model prinsipal sebagai A dan B serta tidak menyediakan pautan ke repositori pelaksanaan awam, yang membataskan perbandingan luar.

Penafian: Maklumat yang terdapat pada halaman ini mungkin telah diperoleh daripada pihak ketiga dan tidak semestinya menggambarkan pandangan atau pendapat KuCoin. Kandungan ini adalah disediakan bagi tujuan maklumat umum sahaja, tanpa sebarang perwakilan atau waranti dalam apa jua bentuk, dan juga tidak boleh ditafsirkan sebagai nasihat kewangan atau pelaburan. KuCoin tidak akan bertanggungjawab untuk sebarang kesilapan atau pengabaian, atau untuk sebarang akibat yang terhasil daripada penggunaan maklumat ini. Pelaburan dalam aset digital boleh membawa risiko. Sila menilai risiko produk dan toleransi risiko anda dengan teliti berdasarkan keadaan kewangan anda sendiri. Untuk maklumat lanjut, sila rujuk kepada Terma Penggunaan dan Pendedahan Risiko kami.