近期，AI大模型在数学领域的密集进展引发加密货币市场波动，部分观点认为AI即将攻破区块链底层密码体系，甚至呼吁加密资产持有者转入“地堡模式”。针对这一行业焦虑，我们专访了顶级密码学家谢涛，从密码学底层逻辑出发，拆解大模型与加密货币安全的真实关系。
谢涛，湖南娄底人，国防科技大学计算机学院教授、国际顶尖密码分析专家，长期深耕智能计算、密码学基础理论、密码分析技术与区块链密码方向。他曾在MD5、SHA-1哈希函数碰撞攻击领域取得里程碑式突破，提出的攻击算法创下全球公开领域的最快速度纪录，相关成果被国际密码学界广泛引用，直接推动了全球通用哈希算法的安全迭代。
当前，谢涛教授团队正推进人工智能与密码学的交叉前沿探索，尝试利用AI工具优化密码分析路径、提升密码算法设计与安全评估效率。
一、当前大模型仍在工程边界内，未触达密码学核心安全假设
在谢涛教授看来，市场对“AI破解加密货币”的担忧，本质上混淆了工程能力优化与底层数学突破的边界，误解了AI超级模型在密码算法分析和数学问题求解与证明中的不同潜力。
比特币等加密货币的安全体系建立在两大核心密码学基石之上：一是以椭圆曲线数字签名算法（ECDSA）为代表的公钥密码体系，保障交易签名的不可伪造，其安全性依赖于椭圆曲线离散对数问题的计算难度；二是以SHA-256为代表的哈希函数，支撑工作量证明机制与地址生成，其安全性根植于哈希函数的单向性与抗碰撞性。这两类安全假设，都经过了全球密码学界数十年持续的公开分析，对应的计算复杂度是现代密码学的根基。
“当前的AI大模型，本质上是建立在语言与符号相关性基础上的模式识别、路径优化和计算加速。”谢涛教授指出，无论是此前AI发现后量子签名方案HAWK的结构缺陷，还是对简化版AES算法的攻击优化，都属于密码设计理论层面的微小进步或密码分析工程的微小改进——找到的是人类设计中的疏漏，而非推翻了底层数学难题的复杂度边界。大模型可以把原本需要人类专家几十年完成的古典密码的统计分析工作压缩到几天以至几分钟，但并没有创造出新的数学方法，更没有将“计算不可行”的现代密码算法所依赖的公开数学难题变成“计算可行”。
他进一步解释，类似DES/AES/SM4等现代对称密码体系设计的目标是将明文和密钥与密文之间的相关性降到最小，以至达到伪随机的分布状态，而类似RSA/ECDSA等非对称密码体系的安全性理论上则依赖于一个不可逆的公开数学难题，此类公开数学难题如大数分解和离散对数问题的解具有唯一性和非线性：与唯一解的距离相差1和相差任意一个很大的数，在密码学意义上是等价的，也就是说你只能通过暴力破解这个唯一解，一个一个去试直到满足公开问题。
要从椭圆公钥密码算法ECDSA的公钥反推出私钥，需要突破椭圆曲线离散对数问题的指数级计算壁垒。大模型的能力建立在可度量的某种相似度基础上，这种相似度可以度量数据的相关性，也可以度量解的近似度，因此，大模型对具有规律性和相关性的非均匀分布的可度量的解空间的搜索求解是有效的，而对属于伪随机分布的密码学解空间的搜索几乎是无效的。
大模型的基础是智能计算，智能计算正是利用了问题解空间中的某种可定义的相似性，可以很大程度上缩小搜索的有效空间，取得远高于常规计算的求解效率。解空间中样本之间的相似性可以看成是关于解空间的知识，这种知识有助于提高智能计算的效率。同时，知识一般具有压缩性，大模型的能力就是体现在对问题空间的知识的压缩性。密码学的解空间是随机分布的，不具有相似性，不能建立密码学解空间的大模型。没有知识指导的搜索是盲目的、随机的，在工程上是没有实际意义的。“就像给一个人配了更好的镐和铲，他挖山的速度变快了，但不代表他能直接打穿地壳。”
二、真正的颠覆性风险：底层数学理论的范式革命
尽管当前AI不足为惧，但谢涛教授同时强调，密码学体系并非坚不可摧，真正的颠覆力量来自底层数学理论的本质性突破。
“什么叫本质性突破？不是优化了算法步骤，而是改写了问题的复杂度等级。”谢涛教授举例道，比如有人证明了 P=NP（多项式时间可验证问题等价于多项式时间可解问题），或者找到了离散对数问题的多项式时间解法，又或者发现了SHA-256这类哈希函数的系统性碰撞捷径——这些都属于底层数学范式的革命，会直接抽掉现代密码学的地基。
一旦这种突破出现，受冲击的远不止加密货币。从网上银行、移动通信到国家政务系统，整个数字世界的信任与安全体系都建立在当前的公钥密码与哈希函数之上。对比特币而言，意味着可以从公开的公钥直接计算出私钥，所有链上资产的所有权都将不再有密码学保障；工作量证明机制也会彻底失效，区块链的共识基础会轰然崩塌。
但谢涛教授同时指出，这种级别的数学突破是极难预测的基础科学革命，不是AI可以通过“堆算力、喂数据”渐进式实现的。“过去几十年里，密码学的核心安全假设经历了无数次挑战，始终没有出现颠覆性的数学突破。它可能明天就出现，也可能一百年都不会出现，这是基础科学的不确定性，和当前大模型的发展路径完全是两个维度。”
三、行业应理性看待AI影响，无需情绪性恐慌
针对近期出现的“AI恐慌”，谢涛认为，其中情绪性因素远大于实际风险。
他表示，目前密码学界真正长期关注的系统性威胁是量子计算——肖尔算法在理论上已经证明可以多项式时间求解离散对数问题，一旦通用量子计算机达到实用规模，公钥密码体系会直接面临失效风险。即使如此，谢涛教授也对量子计算的现实工程能力及其在密码破解中的实际效果表示怀疑！相比之下，AI目前的角色更像是“密码学家的辅助工具”：既可以帮助攻击者更快发现漏洞，也可以帮助设计者更高效地构造更安全的密码方案，是一把双刃剑，而非单方面的“密码杀手”。
对于国际加密货币行业，谢涛教授给出了务实的建议：与其陷入短期的AI情绪炒作，不如长期跟踪密码学前沿进展，有序推进算法升级。比如全球密码学界已经在推进抗量子密码标准的制定，主流区块链项目也在研究向抗量子签名算法迁移的路径，这才是应对底层风险的根本之道。
专访最后，谢涛教授总结道：“大模型正在改变密码分析的效率，但没有改变密码学的底层逻辑。加密货币的安全根基，最终锚定的是人类数学认知的边界。在底层数学出现范式革命之前，谈‘AI攻破加密货币’为时尚早。”
热门跟贴