Что такое языковые модели простыми словами
Понятное объяснение, как работают большие языковые модели и почему они умеют отвечать на вопросы.
27 августа 2026 Читать9 ноября 2026 · чтение ~3 мин · Редакция «ИИ-генератор ответов»
Google DeepMind опубликовала исследование, в котором ИИ-агенты под руководством специалистов по криптографии нашли два способа ускорить взлом легаси-схемы RSA с ключами длиной 1024 бита — за недели вместо лет.

6 ноября 2026 года Google DeepMind сообщила, что её ИИ-агенты, направляемые людьми-криптографами, провели два исследования слабых мест в устаревшей криптосистеме RSA-1024. Результаты описаны в двух рабочих статьях — «Modular Roots from a Restricted Oracle» и «Fan Factories», опубликованных 5 и 6 ноября. Среди авторов — исследователи DeepMind и независимые криптографы Надя Хенингер и Эммануэль Том, известные прежними атаками на криптографию с открытым ключом.
Первая — подделка цифровой подписи: в случае, когда злоумышленник контролирует лишь небольшую часть подписываемых данных (например, 32-байтовый отпечаток), найденный агентами алгоритм, по оценке DeepMind, примерно в 1600 раз эффективнее прежнего лучшего метода для ключей 1024 бита. Вторая — массовое факторизование: при заданном бюджете на вычисления факторизовать очередной 1024-битный ключ оказывается примерно в 30 раз дешевле, чем классическим методом MNFS.
DeepMind и независимые эксперты подчёркивают: современные схемы RSA с ключами от 2048 бит этим результатом не затронуты, а RSA-1024 уже выведен из эксплуатации большинством серьёзных систем. Ценность исследования — в другом: оно показывает, что ИИ-агенты под контролем специалистов способны сжать теоретический криптоанализ, который раньше занимал годы, до нескольких недель. Для бизнеса это сигнал быстрее проверять, какие протоколы и библиотеки на самом деле используют легаси-системы, и не откладывать миграцию на современные стандарты шифрования.
История DeepMind — наглядный пример того, что ИИ-агенты полезны не только в чат-ботах, но и в сложной исследовательской и инфраструктурной работе, если их правильно контролировать и ограничивать по задачам. Если ваша компания планирует внедрять собственных ИИ-агентов — для анализа данных, мониторинга рисков или автоматизации рутинных процессов, — здесь важна та же дисциплина: чёткие границы доступа, контроль человека на ключевых решениях и архитектура, которую проектировали с оглядкой на безопасность. Этим занимается команда, которая создаёт ИИ-агентов под конкретные задачи бизнеса — от прототипа до продакшена.