Wie entstanden die Zahlen, auf denen wichtige digitale Signaturen beruhen? Anthropic hat am 16. Oktober eine Rekonstruktion bislang ungeklärter Startwerte veröffentlicht, die einem internen Claude-Forschungsmodell gelang. Der interessante Fortschritt ist keine geknackte Verschlüsselung, sondern nachvollziehbare technische Spurensuche: Aus verdächtig wirkenden Konstanten wird ein überprüfbarer Entstehungsweg.
Das Wichtigste in Kürze
- Es geht um öffentliche Parameter elliptischer Kurven, nicht um geheime Schlüssel einzelner Nutzer.
- Die Herkunft dieser Parameter beschäftigte Kryptografen seit Langem; auch eine öffentliche Prämie sollte die Suche voranbringen.
- Der neue Befund ist ein Beispiel dafür, wie KI eine Untersuchung mit klar prüfbarem Ergebnis unterstützen kann.
- Für Anwender ergibt sich daraus kein Anlass, Passwörter oder Verschlüsselungseinstellungen zu ändern.
Warum öffentliche Zahlen überhaupt Fragen aufwerfen
Digitale Signaturen helfen zu prüfen, ob Daten verändert wurden und von wem sie stammen. Dazu gehören ein privater Schlüssel zum Signieren und ein öffentlicher Schlüssel zum Prüfen. Das historische NIST-Dokument FIPS 186-2 von 2000 beschreibt diesen Unterschied ausdrücklich. ECDSA ist darin die Variante auf Basis elliptischer Kurven. Eine Kurve ist hier ein mathematisch definierter Arbeitsraum, keine Zeichnung, deren Aussehen Sicherheit verspricht.
Die Parameter dieses Arbeitsraums dürfen bekannt sein. Genau deshalb ist die Frage nach ihrer Herkunft legitim: Ein öffentliches Verfahren lässt sich untersuchen, aber eine unerklärte Auswahl seiner Grundzahlen hinterlässt eine zusätzliche Vertrauensfrage. Wer eine Rechenvorschrift kennt, weiß noch nicht automatisch, warum gerade ihre Eingabe gewählt wurde. Ein Vergleich: Ein überprüfbares Kochrezept erklärt das Ergebnis aus den Zutaten, nicht die Herkunft der Zutaten.
Der Kryptograf Steve Weis dokumentierte 2023, dass die NSA die betreffenden Startwerte beigesteuert hatte. Er sammelte Auskünfte, historische Unterlagen und die Erinnerung, möglicherweise seien humorvolle englische Sätze gehasht worden. Ein Hash bildet Eingaben auf einen festen Prüfwert ab. Diese Geschichte war ein Ansatz für die Suche, keine belegte Rekonstruktion. Weis machte die Lücken seiner Recherche sichtbar, statt aus dem fehlenden Papierarchiv eine bewiesene Manipulation abzuleiten.
Filippo Valsorda setzte im Oktober 2023 eine Prämie von 12.288 Dollar aus; bei einer gemeinnützigen Spende sollte sie auf 36.864 Dollar steigen. Sein damaliger Aufruf betonte zugleich, dass er den Hintertürverdacht nicht für gut begründet hielt. Damit waren bereits vor dem KI-Einsatz zwei Fragen getrennt: Ist das Verfahren sicher, und lässt sich seine Entstehung besser erklären? Die zweite kann interessant sein, ohne die erste zuvor verneinen zu müssen.
Ein altes Programmierwerkzeug als Fingerabdruck
Laut Anthropic führte die Spur zu lrand48 und Zeitstempeln aus 1997 und 1998. Für die fünf NIST-Primkurven, darunter P-256, dauerte die Suche nach Anbieterangaben weniger als eine halbe Stunde. Eine konkrete öffentlich verfügbare Modellversion wird nicht genannt. Bei B-163 und mehreren Basispunkten bleiben Fragen offen.
Die Linux-Dokumentation erklärt, was lrand48 tut: Die Funktion liefert nichtnegative Pseudozufallszahlen mit 31 Ausgabebits aus einem internen Zustand von 48 Bit. Solche Generatoren produzieren bei gleicher Initialisierung dieselbe Zahlenfolge. Das ist für Simulationen praktisch, macht ihren Output aber nicht zu einer geeigneten Quelle für geheime kryptografische Zufallswerte. Reproduzierbarkeit allein ist kein Sicherheitsversprechen.
Hier kommt es auf den Einsatzort an. Ein Werkzeug, dessen Ausgaben rekonstruierbar sind, kann Spuren in öffentlichen Konstanten hinterlassen. Daraus folgt nicht, dass ein privater Signaturschlüssel rekonstruiert wurde. Wer beides gleichsetzt, überspringt die eigentliche Bedeutung des Fundes. Interessant ist die umgekehrte Richtung: Die Wiederholbarkeit einer alten Zahlenfolge kann helfen, die Entstehung eines öffentlich bekannten Ergebnisses zu erklären.
Für technische Leser liegt darin ein anschauliches Muster. Statt immer mehr mögliche Sätze auszuprobieren, kann man fragen, welche damalige Software eine beobachtete Struktur hinterlassen hätte. Das verschiebt die Untersuchung von einer erzählten Erinnerung zu Eigenschaften, die sich berechnen lassen. Eine plausible Geschichte wird dadurch nicht automatisch wahr; sie erhält eine konkrete Möglichkeit, an den vorhandenen Daten zu scheitern.
Was dieser Fall über KI in der Forschung zeigt
Der Wert einer solchen Untersuchung lässt sich besonders gut beurteilen, wenn die vorgeschlagene Erklärung auf bekannte Werte zurückgerechnet werden kann. Das ist eine günstigere Ausgangslage als eine überzeugend formulierte Antwort ohne unabhängiges Prüfkriterium. Für den Forschungsalltag spricht das dafür, KI dort einzusetzen, wo Hypothesen schnell auf harte Gegenbeispiele treffen können: bei historischen Dateiformaten, alten Programmbibliotheken oder der Rekonstruktion dokumentierter Rechenschritte.
Das ist unsere Einordnung des Falls, kein Nachweis allgemeiner Überlegenheit gegenüber Kryptografen. Eine berichtete Bearbeitungszeit umfasst weder automatisch die Entwicklung des Modells noch die Vorarbeit der Fachgemeinschaft. Auch sagt ein einzelner gelungener Fund wenig darüber, wie häufig derselbe Ansatz bei anderen ungelösten Fragen scheitert. Der jüngste Physik-Benchmark für KI-Agenten beleuchtet dieselbe grundsätzliche Chance aus einer anderen Richtung: rechnerische Unterstützung wird nützlich, wenn das Ergebnis fachlich prüfbar bleibt.
Der konkrete Ausblick ist deshalb erfreulich nüchtern. Alte technische Standards enthalten noch Fragen, deren Beantwortung nicht neue Hardware oder ein neues Produkt voraussetzt, sondern einen anderen Suchansatz. KI kann zusätzliche Ansätze liefern. Für Leser zählt dabei weniger das Etikett „Rätsel gelöst“ als die Möglichkeit, Erklärung und Rechenweg auseinanderzunehmen. Genau diese Möglichkeit macht aus einer überraschenden Meldung einen brauchbaren Forschungsbeitrag.