Google DeepMind cho biết hai tác nhân trí tuệ nhân tạo đã hoàn thành một phép tính liên quan đến RSA 1.024 bit trong 3 ngày 22 giờ. Trong quá trình này, các tác nhân viết và kiểm thử mã, chạy tác vụ phân tán và xử lý lỗi; nhà nghiên cứu gửi khoảng 20 tin nhắn, chủ yếu để phê duyệt. Thử nghiệm cho thấy AI có thể triển khai một phép tính phức tạp trong phạm vi nhiệm vụ và tài nguyên do con người đặt ra. Tuy nhiên, kết quả không kiểm chứng thuật toán lý thuyết mới được đề xuất trong bài báo và không đồng nghĩa các hệ thống RSA đang được sử dụng rộng rãi đối mặt với nguy cơ trực tiếp.
Tái hiện phép tính chữ ký RSA đã biết
Thử nghiệm tập trung vào chữ ký số RSA. Một dịch vụ ký mô phỏng đã nhận khoảng 4 tỷ truy vấn trước khi mục tiêu được xác định. Sau đó, dịch vụ ngừng hoạt động; không tiếp tục truy vấn, các tác nhân vẫn tính được một căn toán học cần thiết để tạo chữ ký mới. Nghiên cứu không khôi phục khóa riêng.
Nhà nghiên cứu Google DeepMind Pushmeet giới thiệu công trình ngày 6/11. Bài báo mô tả đây là một thử nghiệm tái hiện trong môi trường sandbox trên một trường hợp chuẩn đã được giải trước đó, đồng thời lưu ý kết quả không đe dọa các hệ thống mật mã đang triển khai với khóa RSA từ 2.048 bit trở lên.
Thời gian CPU giảm, nhưng không phải phép so sánh đồng điều kiện
Theo bản thảo nghiên cứu, phép tính lần này sử dụng 391 năm lõi CPU, thấp hơn mức khoảng 1.380 năm lõi CPU mà nhóm trước đó ghi nhận khi dùng cùng trường hợp và thuật toán. Tính theo các con số được báo cáo, mức sử dụng giảm khoảng 3,5 lần. Tuy vậy, hai lần chạy dùng phần cứng khác nhau nên không thể xem là phép thử đối chứng trong cùng điều kiện; con số này cũng không phản ánh tổng chi phí tài chính.
Mức 391 năm lõi CPU không tính phần xử lý bằng GPU, cũng như khoảng 7,5 năm lõi CPU dành cho việc khảo sát và diễn tập trước đó. Thử nghiệm còn dành sẵn khoảng 330 giờ GPU, trong đó khoảng 100 giờ GPU hoạt động. DeepMind cho biết từ khi khởi chạy tác vụ sàng lọc toàn quy mô đầu tiên đến lúc xác minh kết quả mất khoảng 3,2 ngày. Hệ thống đạt đỉnh khoảng 300.000 lõi CPU và sử dụng 16 GPU. So với khoảng năm tháng theo lịch của lần tính trước, nhóm nghiên cứu cho rằng khác biệt chủ yếu đến từ khả năng tính toán song song.
Con người phê duyệt, hai tác nhân chia phần việc
Các nhà nghiên cứu chọn bài toán, trường hợp cụ thể và giới hạn của dịch vụ ký; họ cũng phê duyệt các điều kiện trước những thao tác không thể đảo ngược. Bài báo cho biết nhà nghiên cứu không viết mã, khởi chạy tác vụ tính toán hay chẩn đoán lỗi.
Tác nhân thực thi phụ trách viết và kiểm thử chương trình, chạy các tác vụ phân tán và khắc phục sự cố. Tác nhân giám sát theo dõi thiết kế, ngân sách tài nguyên và các bước kiểm tra, đồng thời gọi một tác nhân phụ chuyên biệt để tăng tốc phần đại số tuyến tính. Hai tác nhân tạo thêm tổng cộng khoảng 33.500 dòng mã, chạy 336 thử nghiệm phân tán và trao đổi với nhau 218 tin nhắn.
Kết quả căn toán học đầu tiên bị sai do tràn một độ lệch 32 bit. Các bước kiểm tra tính đúng đắn phát hiện lỗi; tác nhân sau đó xác định và sửa lỗi mà không cần thực hiện lại những truy vấn chữ ký ban đầu. Toàn bộ quy trình từ thiết kế đến xác minh kéo dài 3 ngày 22 giờ. Khoảng 20 tin nhắn và các bước phê duyệt của con người cho thấy đây không phải một quy trình hoàn toàn tự vận hành, không có giám sát.
Kết quả không xác nhận thuật toán mới
Mức tiết kiệm CPU được báo cáo đến từ cải tiến trong cách triển khai và thực thi thuật toán hiện có. Thử nghiệm không chứng minh một thuật toán mới có thể hoạt động khi quyền truy cập chữ ký bị giới hạn hơn.
Một bài báo khác về “Fan Factories” ước tính rằng, nếu chi phí tiền xử lý dùng chung tương đương một lần phân tích thừa số bằng sàng số trường tổng quát, chi phí biên để xử lý mỗi mục tiêu 1.024 bit bổ sung có thể thấp hơn khoảng 30 lần so với sàng số trường bội. Đây là ước tính tiệm cận; hiện chưa có Fan Factory nào được triển khai.
Bản thảo không công bố tên cụ thể của các mô hình chính, chỉ gọi chúng là A và B, cũng không dẫn tới kho mã triển khai công khai. Vì vậy, các nhà nghiên cứu bên ngoài hiện khó có thể so sánh độc lập hiệu suất của những mô hình này. Các số liệu CPU, tài nguyên GPU và điều kiện phê duyệt của con người là những giới hạn cần lưu ý khi đánh giá kết quả.