利用 OpenAI Astra 與 Claude Opus 成功解碼 Enigma 歷史密文

文章摘要

近期密碼分析師利用大型語言模型,成功破解二戰時期德軍遺留的Enigma密文。開發者Carter Leffen透過OpenAI的Astra模型,透過文獻研究、情境判讀並建立Enigma模擬器,於兩天內復原自2005年起困擾研究者的未解訊息,該效率較人類專家需數週至數月快上許多。隨後,資安高管Jack Willis亦運用Anthropic的Claude Opus 5模型,結合特定軍官簽名資訊成功解密另一則訊息。密碼專家 Frode Weierud 驗證了 Leffen 的解答,並指出其追蹤的資料中仍有七則 Enigma 訊息未解。然而,模型運作過程存在不確定性,如Astra曾引用未見於公開資料庫的私人收藏檔案,推測可能源於網路其他研究者分享或模型直接存取德國聯邦檔案局的公共紀錄。此應用展現AI在專業密碼分析與檔案研究上的潛力,但針對模型資訊來源的透明度與資料存取路徑,仍尚待進一步釐清。

AI 大叔解析

## 【核心判斷】
大型語言模型在處理歷史密碼分析展現出驚人效率,Carter Leffen 與 Jack Willis 分別運用 OpenAI Astra 與 Claude Opus 5 成功解密困擾研究者多年的 Enigma 訊息,證明 AI 在整合檔案研究與模擬器建構的輔助能力,Weierud 追蹤的資料中仍有七則訊息待解。

## 【毒舌吐槽】
這就是典型的「用大砲打蚊子」進化版。人類專家花幾個月在 Bundesarchiv(德國聯邦檔案局)翻閱資料,AI 兩天就搞定。諷刺的是,最讓專家頭痛的不是解密演算法,而是當 AI 開始引用「不明來源」的私人收藏時,我們甚至搞不清楚它到底是閱讀能力強,還是又在產生幻覺(Hallucination)。這種「黑盒子式」的研究結果,對於講究數學證明與邏輯推演的密碼學界來說,或許比解不開謎題更讓人毛骨悚然。

## 【為什麼重要?】
過去密碼分析核心在於硬體加速(如二戰時的 Bombe 電腦),現代則是將 AI 視為一名能自動化執行「文獻檢索、情境判讀、模擬器開發」的全能研究助理。這種轉變不僅是運算效能的提升,更在於 AI 對「非結構化檔案」的解讀能力,直接將人類需要數週至數月的分析工作大幅縮短。

不過,這種黑盒子運作模式帶來了嚴重的信任邊界。當模型引用未公開或無法追溯的檔案時,研究者很難驗證其論點的確切數據來源。Frode Weierud 已驗證 Leffen 的解答;資料取得路徑尚不清楚,與解答本身是否能被獨立驗證是不同問題。研究者仍應保留模型的引用及分析紀錄,以利追溯。未來這類工具若用於更敏感的領域,這種資料來源不明的隱憂,可能成為學術應用上的致命傷。

## 【影響對象與建議】
**數位人文與歷史研究學者:**
善用 AI 進行跨檔案庫的關聯搜尋與潛在假設測試,但針對模型提及的特定檔案或數據,必須建立傳統的人工對照流程(Cross-reference),確保引用的原始檔非模型編造,並將 AI 產出的研究路徑視為「輔助建議」而非最終驗證。

**密碼分析與資安研究人員:**
將模型視為自動化模擬器開發工具,利用其編寫程式碼與解釋歷史情境的能力,加速瑣碎的數據清洗(Data Cleaning)。對於模型提供的解密路徑,應強制保留其邏輯推演紀錄,作為除錯與驗證的原始依據,而非盲目採信模型直接給出的最終原文。

## 【逆風觀點】
原文提及 Astra 引用了不明的私人收藏檔案,這點顯示當時無法確認模型取得資料的具體路徑。在缺乏完整稽核權限的情況下,目前所謂的「成功解密」在科學嚴謹性上仍存有盲點。獨立驗證解密結果與追查模型如何取得資料,分別回答正確性和來源透明度的問題;不能因後者尚不明確,就否定已核對的解答。

想更了解這個話題?