AI驱动的数学进展可能会挑战人们对基于格的密码学的假设，但这里并没有确认任何破解已经发生。
哈希签名在可行的场景下可能提供一种替代方案，包括以太坊精简路线图所偏好的做法。
未使用的地址可能减少签名暴露，但仓促迁移钱包也会带来自身风险。
AI可能比预期更快地改变密码学风险的计算方式。这样的提醒并不是要人恐慌，也不是要把资金匆忙转入新钱包，但它确实让基于格的密码学承受了不小的审视压力。
担忧在于，AI加速的数学研究可能会暴露出许多人目前认为安全的系统中的弱点。这包括ML-DSA、完全同态加密（FHE）以及基于格的密码学。原文强调，这并不是说这些系统已经被攻破，而是说没有人应当假设今天的安全估计会保持不变，正如Vitalik Buterin在X上的帖子所说。
AI密码学风险不止于量子威胁
多年来，传统观点一直很简单：椭圆曲线可能受量子计算机威胁，而哈希和格看起来更安全。但这种信心可能为时过早。
分解问题提供了一个有用的对比。直接方法的扩展性很差，但数十年的数学进展最终带来了通用数域筛法（General Number Field Sieve），显著改进了攻击策略。担忧在于，AI是否也能针对椭圆曲线或格发现类似强大的技术。
为什么格安全性可能面临更严峻的问题
这一警告暗示，如果出现新的攻击，基于格的系统可能需要更大的参数才能维持相近的安全性。文中提出的一种设想是把密钥大小扩大十倍，不过这只是个人预测，并不是已被证实的要求。
在这种情况下，哈希签名在可行的场景下可能会更高效。以太坊的精简路线图已经偏向哈希方案，包括WOTS和SPHINCS+，同时在零知识证明中避开了基于格的签名和承诺。
钱包安全并不意味着可以恐慌
这一论点不仅涉及加密钱包，也涉及安全通信、VPN、Tor以及其他隐私工具。公钥加密仍然是一个特别困难的问题，因为哈希本身无法提供所需的陷门结构。
对普通用户而言，建议是保持克制：如果椭圆曲线签名比预期更早变得脆弱，未使用的地址可能有助于减少暴露，但风险较高的迁移同样可能造成损失。关于AI与密码学的争论，理由是仔细评估暴露面，而不是盲目仓促行动。对于基于格的系统，关键问题在于其安全假设能否经受住下一波AI驱动的数学进展。
