p>Claude通过系统性排查1990年代软件工具，定位到NSA提供的椭圆曲线种子来自lrand48随机数生成器，密码学界26年的疑虑终获解答。
26年悬案：NSA椭圆曲线种子之谜
10月16日，Anthropic发布博文，宣布其内部研究用Claude模型在不到30分钟内，追溯出美国国家标准与技术研究院（NIST）五条椭圆曲线标准参数的种子来源，解开了一桩延续约26年的密码学悬案，且未发现任何后门。
该悬案源于2000年纳入美国数字签名标准的一组椭圆曲线。相关种子由美国国家安全局（NSA）提供，却未说明生成过程，长期引发是否暗藏后门的猜测。这些曲线用于椭圆曲线数字签名算法（ECDSA），帮助验证数字信息的真实性。
密码学界长期对该参数来源存在疑虑。1998年，SEC curve曾被指出同样存在类似问题。多年来，研究者们尝试了各种方法试图追溯这些参数的来源，但始终未能找到确凿答案。这一问题的重要性在于，如果椭圆曲线参数存在问题，可能被利用来破解基于这些曲线的数字签名系统。
Claude的破解方法：1990年代软件工具溯源
Claude通过排查1990年代常见的软件工具，发现种子实际来自C语言库中的伪随机数生成器lrand48，初始化输入为Unix时间戳，进而将生成时间追溯至1997年至1998年。
具体来说，Claude分析了NIST推荐的多条椭圆曲线参数，包括P-192、P-224、P-256、P-384和P-521。通过系统性排查可能产生这些参数的生成工具，Claude最终定位到lrand48这一广泛使用的伪随机数生成器。
团队复现结果显示，这五条曲线的种子均可由1997年至1998年的Unix时间戳初始化生成。以P-256为例，其标准种子对应1997年8月16日经1842轮候选生成后的结果。这一发现使历史参数的可信度大幅提升，被学术圈广泛视为密码学审计的一次标志性事件。
NIST五条椭圆曲线参数对比
下表展示了NIST五条椭圆曲线的关键参数及其追溯结果：
| 曲线名 | 标准年份 | NIST推荐场景 | 种子生成方式 | 追溯结果 |
|---|---|---|---|---|
| P-192 | 2000年 | 数字签名、轻量级应用 | lrand48() + Unix时间戳 | 1997-1998年间生成 |
| P-224 | 2000年 | 政府通信、中等安全需求 | lrand48() + Unix时间戳 | 1997-1998年间生成 |
| P-256 | 2000年 | 通用数字签名、WEB安全 | lrand48() + Unix时间戳 | 1997年8月16日经1842轮生成 |
| P-384 | 2000年 | 高安全需求、政府级别 | lrand48() + Unix时间戳 | 1997-1998年间生成 |
| P-521 | 2000年 | 极高安全需求、长期存档 | lrand48() + Unix时间戳 | 1997-1998年间生成 |
从表中可以看出，五条曲线均来自同一生成方式，且生成时间集中在1997年至1998年。这一发现表明，这些参数并非特意设计用于隐藏后门，而是使用当时标准工具生成的常规参数。
后门疑虑的终结与密码学审计新范式
Anthropic强调，这不是对ECDSA的破解，也未发现后门，用户无需采取任何应对措施，只是消除了密码学界长期以来的疑虑。这一发现使历史参数的可信度大幅提升，被学术圈广泛视为密码学审计的一次标志性事件。
长期以来，密码学界对NSA提供的椭圆曲线参数存在两种截然不同的观点。一种观点认为NSA可能在参数中嵌入了未公开的弱点，以便在需要时进行解密。另一种观点则认为这些参数只是使用了当时标准的技术手段生成，不存在后门。Claude的发现支持了后一种观点。
值得注意的是，Anthropic已公开完整复现代码，使任何人都可以验证这一发现的有效性。然而，研究尚未解释包括B-163种子在内的全部细节，这表明可能还存在其他未被发现的生成机制。这一开放态度获得了密码学社区的广泛赞赏。
常见问题
1. 为什么这个发现重要？
这一发现的重要性在于消除了密码学界26年来的长期疑虑。NIST椭圆曲线被广泛应用于数字签名算法（ECDSA），支撑着从政府通信到WEB安全的无数关键系统。如果这些参数存在问题，整个数字签名体系的安全性都将受到质疑。Claude的发现证明了这些参数只是使用标准工具生成，并非特意设计的弱点，增强了业界对这些参数的信心。
2. 这意味着NSA在曲线里埋了后门吗？
目前的证据表明，NSA并未在椭圆曲线中埋设后门。Claude的追溯结果显示，这些参数来自lrand48伪随机数生成器，使用Unix时间戳初始化，符合1990年代的标准工程实践。如果NSA真的想要埋设后门，不太可能使用如此常规且可追溯的方法。当然，学术界仍在继续研究B-163等未完全解释的参数，以彻底排除后门可能性。
3. AI在密码学审计中还能做什么？
Claude此次发现展示了AI在密码学审计中的巨大潜力。AI系统能够快速排查大量历史软件工具和生成方法，系统性地追溯参数来源，这种效率远超传统人工分析。未来，AI可能被用于审计更多密码学标准、发现潜在的安全隐患、验证开源密码学实现的正确性，甚至辅助设计新的密码学算法。Anthropic的这项研究为AI辅助密码学审计开辟了新方向。
小结
Claude在30分钟内破解26年NSA椭圆曲线悬案，通过系统性排查1990年代软件工具，定位到种子来自lrand48随机数生成器，初始化输入为Unix时间戳，生成时间为1997年至1998年。这一发现消除了密码学界长期以来的疑虑，证明了NIST椭圆曲线参数并非后门，而是使用标准工具生成的常规参数。Anthropic公开完整复现代码，展现了开放透明的研究态度。本次事件被视为密码学审计的标志性案例，也为AI辅助密码学审计开辟了新方向。
相关阅读
延伸阅读
- Claude Tag 上线 Slack 群聊：@Claude 拆解任务并路由 Claude Code，Team 与 Enterprise 开启 Beta4 周前
- Anthropic 拟租 1 吉瓦算力：降低云厂商依赖，谷歌或担保3 周前
- OpenAI把GPT-6推向全体ChatGPT用户：回答变成可操作界面1 周前
- Claude Opus 5.5 Max登顶Arena智能体榜：17.29%确认率意味着什么4 天前
继续读
同一批更新里这几篇值得一看：
想快速查定义？对应的词条在这里：
- AI Agent词条 · AI 自学笔记
- Claude Sonnet词条 · AI 自学笔记