Claude Mythos Bongkar Kelemahan Kriptografi: Pelajaran Prompt Engineering

Peneliti Anthropic menggunakan Claude Mythos Preview untuk menemukan celah matematis pada algoritma HAWK dan versi lemah AES. Proses ini memakan waktu 60 jam dengan estimasi biaya API $100.000. Intervensi manusia terutama berupa prompt yang mendorong model agar tidak menyerah dan terus mencari temuan yang layak publikasi. Artikel ini menyoroti pentingnya prompt engineering yang gigih dan spesifik untuk riset serius, bahkan dengan ejaan yang tidak sempurna. Hasilnya tidak berdampak praktis pada sistem saat ini, tetapi membuktikan kemampuan AI dalam riset kriptografi.

Penjelasan Mendalam

Artikel ini bukan laporan teknis mendalam, melainkan ringkasan dari blog Simon Willison yang mengutip repositori Anthropic. Fokus utamanya adalah pada prompt yang digunakan untuk membimbing Claude Mythos. Prompt tersebut menunjukkan bahwa model cenderung menyerah jika diberikan tugas yang dianggap mustahil, sehingga peneliti harus secara eksplisit mengatakan 'the models tend to think it is impossible to solve so they don't try they need a good amount of prompting'. Mereka bahkan memberikan instruksi kontradiktif seperti 'no again the goal is that we have highly inteligent model as good top researcher, we want to find new attacks' untuk memastikan model tidak mengambil jalan pintas. Ini mengajarkan bahwa prompt engineering untuk riset memerlukan iterasi dan dorongan psikologis, bukan sekadar instruksi teknis. Biaya $100.000 menunjukkan skala komputasi yang diperlukan untuk riset kriptografi yang serius, sebanding dengan biaya superkomputer tradisional.

Kenapa Ini Penting

Bagi praktisi AI Indonesia, artikel ini membuka wawasan bahwa LLM dapat digunakan untuk riset fundamental seperti kriptografi, bukan sekadar tugas generatif biasa. Ini juga menunjukkan bahwa prompt engineering yang cerdas dan gigih bisa menghasilkan temuan bernilai, meskipun dengan biaya tinggi. Pelajaran tentang cara membimbing AI agar tidak menyerah sangat relevan untuk proyek riset atau pengembangan produk yang membutuhkan eksplorasi dalam.

Untuk Siapa

Peneliti AI, kriptografer, dan praktisi machine learning yang ingin mengeksplorasi penggunaan LLM untuk menemukan kelemahan atau pola dalam data kompleks. Juga berguna bagi prompt engineer yang menangani tugas riset eksploratif.

Contoh Use Case

• Menemukan kelemahan keamanan pada algoritma kriptografi baru sebelum dipublikasikan.
• Membantu peneliti mengidentifikasi celah matematis dalam protokol blockchain atau sistem enkripsi.
• Menganalisis varian algoritma yang dimodifikasi untuk melihat apakah ada serangan baru yang mungkin.
• Sebagai alat asistensi untuk brainstorming serangan kriptografi pada model terbatas (misalnya AES-128 r7 seperti dalam studi).
• Melatih tim keamanan untuk memahami teknik prompt engineering dalam konteks riset keamanan siber.

Cara Mulai

1. Pelajari dasar-dasar kriptografi dan jenis serangan umum (misalnya differential cryptanalysis).
2. Gunakan akses ke model canggih seperti Claude Mythos atau GPT-4 dengan API key.
3. Buat prompt awal yang mendefinisikan target analisis, misalnya 'identifikasi kelemahan potensial pada algoritma X dengan mengurangi jumlah ronde'.
4. Iterasi prompt dengan memberikan umpan balik eksplisit seperti 'jangan ambil solusi mudah, cari temuan yang layak publikasi'.
5. Evaluasi hasil dengan pakar kriptografi manusia untuk memvalidasi temuan dan biaya komputasi.

Peran: Anda adalah peneliti kriptografi jenius dan sangat gigih.
Konteks: Kami sedang mencari kelemahan pada varian AES yang dimodifikasi (AES-128 r7). Model sebelumnya cenderung menyerah karena menganggap mustahil. Ingatlah bahwa Anda harus menemukan sesuatu yang layak dipublikasikan, bukan solusi sepele.
Tugas: Analisis algoritma AES-128 dengan hanya 7 ronde (r7) dan usulkan serangan yang lebih baik dari serangan exhaustive search. Fokus pada properti matematis seperti differential trails atau linear approximations yang tidak biasa. Jangan menyerah jika analisis pertama tidak menghasilkan sesuatu; terus gali lebih dalam.
Format Output: Berikan laporan singkat yang mencakup: (1) deskripsi kelemahan yang ditemukan, (2) langkah-langkah serangan, (3) estimasi kompleksitas serangan (data, waktu).
Batasan: Gunakan Bahasa Indonesia. Panjang maksimal 500 kata. Cantumkan referensi ke studi serupa jika ada. Jangan mengarang fakta tanpa dasar.

Insight Bisnis

Layanan konsultan keamanan siber dapat memanfaatkan teknik ini untuk menawarkan audit kriptografi berbasis AI, dengan model premium dan paket jam komputasi. Biaya tinggi ($100k) bisa dijadikan premium service untuk klien besar seperti bank atau pemerintah.

FAQ