La investigación en ciberseguridad ha dado un paso significativo con la publicación de un estudio que explora la capacidad de los modelos de lenguaje avanzados para realizar tareas complejas de criptoanálisis. Investigadores de Anthropic, en colaboración con instituciones académicas como ETH Zurich, la Universidad de Tel Aviv y la Universidad de Haifa, han puesto a prueba la eficacia de estos sistemas para identificar vulnerabilidades matemáticas en algoritmos de cifrado. El trabajo, documentado en el artículo "CryptanalysisBench: Can LLMs do Cryptanalysis?", marca un hito en la evaluación de estas herramientas frente a desafíos científicos de alta complejidad.

El experimento se centró en aplicar un modelo denominado Claude Mythos para analizar dos objetivos específicos: el protocolo HAWK y una versión simplificada del estándar de cifrado AES. Aunque los resultados obtenidos no comprometen la seguridad de los sistemas informáticos actuales, el proceso reveló una dinámica de trabajo inédita entre humanos y máquinas. Durante un periodo de 60 horas de computación continua, con un coste estimado en API de 100.000 dólares, el sistema demostró que, bajo la guía adecuada, es capaz de abordar problemas matemáticos que inicialmente descartaba como imposibles.

Uno de los aspectos más reveladores de la investigación no fue solo el hallazgo técnico, sino la metodología de interacción necesaria para alcanzarlo. Los investigadores compartieron los registros de las instrucciones utilizadas, que muestran cómo el modelo tendía a resistirse a intentar soluciones complejas, argumentando que eran inviables. La intervención humana fue crucial, no para realizar el cálculo matemático, sino para actuar como un director de investigación: motivando al sistema a no abandonar, insistiendo en la búsqueda de hallazgos significativos y rechazando soluciones superficiales o de bajo impacto.

Esta dinámica subraya un cambio en el paradigma de la investigación científica asistida. El modelo no operó de forma autónoma desde el inicio, sino que requirió un proceso iterativo de "coaching" para elevar su rendimiento al nivel de un investigador experto. Las instrucciones registradas reflejan una insistencia constante en la calidad del resultado, priorizando la búsqueda de vulnerabilidades genuinamente difíciles que merecieran ser publicadas, en lugar de conformarse con resultados triviales.

La importancia de este estudio radica en la creación de "CryptanalysisBench", un nuevo marco de evaluación diseñado específicamente para medir la competencia de estos sistemas en el ámbito de la criptografía. Al establecer estándares claros, los investigadores buscan entender mejor los límites reales de estas herramientas. Este enfoque permite separar el entusiasmo teórico de la capacidad práctica, proporcionando una métrica objetiva para determinar si estos sistemas pueden, efectivamente, contribuir al avance de la ciencia criptográfica o si su utilidad sigue limitada a tareas de menor complejidad.

En última instancia, el experimento demuestra que la frontera entre la herramienta y el investigador se está volviendo cada vez más difusa. Aunque el coste y el tiempo invertidos son considerables, el hecho de que un sistema haya logrado identificar fallos matemáticos en algoritmos establecidos sugiere que estamos ante una nueva etapa en la automatización de la investigación científica. La clave, según sugiere este trabajo, reside en la capacidad humana para dirigir y refinar el proceso de razonamiento de la máquina hacia objetivos de alta complejidad.