为维护信息安全，密码学通过使恶意第三方无法读取信息来保护信息的机密性，已成为当今数据安全领域的研究重点；为解决密集的数据处理问题，利用人工智能模仿人类决策已被应用于各行各业，形成了新一轮科技革命和产业变革的重要驱动力量。但近年来，随着密码学和人工智能协同演进的趋势不断增强，学科之间也存在着不可分割的耦合——人工智能在密码学生态系统中几乎无处不在，密码学在人工智能生态系统中同样随处可见，在威胁、应用领域、推动因素、输入数据类型等方面都存在着密不可分的交叉影响。 

二、人工智能与密码学的对抗

长久以来，密码学与人工智能技术处于“战争与和平”——对抗与共存的二元体系中。其中，人工神经网络（Artificial Neural Networks, ANNs）（简称神经网络，NNs）作为人工智能模型的核心，其与密码学之间的关系愈发复杂——既存在在神经网络协助下对密码学的攻击对抗（即“战争”），又不乏密码学和神经网络的相互支持（即“和平”）。

神经网络是一种模拟人脑的运算模型，由分层的节点网络组成，其中节点代表生物神经元，节点之间的连接代表突触。其在模式识别、智能机器人、自动控制、预测估计、生物、医学、经济等领域已成功地解决了许多现代计算机难以解决的实际问题，表现出了良好的智能特性。

在针对密码学的神经计算中，神经网络被用于检测恶意加密、进行密码分析、漏洞分析或直接攻击密码系统。其中，检测恶意加密是为防止不法分子隐藏系统中的恶意软件以待日后激活或混淆网络流量，神经网络可用于识别加密网络流量或带有加密代码的恶意软件；密码分析是指利用数学和信息理论方法研究密码的运行，从而发现密码漏洞的过程。尽管密码分析通常与对密码系统的攻击联系在一起，但它也可用于对当前系统进行审计，以改进系统。在某些情况下，因为可能构成攻击初始阶段的一部分，所以密码分析可被视为针对密码系统的攻击活动；漏洞分析是指识别系统中易受特定威胁清单影响的资源或部件的行为。这一过程旨在识别和评估系统和网络中可能被恶意行为者利用的缺陷。与密码分析一样，漏洞分析可以帮助对手设计针对密码系统的攻击方案。此外，一些研究人员已经能够利用神经网络的特征直接攻击密码系统。

三、人工智能与密码学的融合

密码学和人工智能之间和平共存的关系由两个方面组成：人工智能影响的密码学（AI-Influenced Cryptography, AIIC）和密码学影响的人工智能（Crypto-Influenced AI, CIAI）。

（一）人工智能影响的密码学

要想了解人工智能影响的密码学（AIIC），首先要了解AIIC演变路径的五个主要阶段，即“人工智能无感密码学”阶段（AI-Unaware Cryptography, AIUC）、“人工智能韧性密码学”阶段（AI-Resilient Cryptography, AIRC）、“人工智能增强密码学”阶段（AI-Boosted Cryptography, AIBC）、“人工智能辅助密码学”阶段（AI-Assisted Cryptography, AIAC）、“人工智能嵌入密码学”阶段（AI-Embedded Cryptography, AIEC）。在这五个阶段中，密码学从AIUC阶段易受人工智能攻击的状态，逐步发展至AIEC阶段中将人工智能技术应用于基本加密、解密组件的状态，最终形成了二者融合发展的态势。

基于有关人工智能对密码学影响现状的研究，作者在本小节的最后就人工智能技术发展潮流将在未来可能对AIIC产生的影响进行了总结。在未来，“量子—人工智能支持的密码学”可能将成为重要的发展方向，尤其是随着量子启发型神经网络和量子启发型强化学习等领域的进一步研究，人工智能针对更复杂问题的决策和在机器学习算法方面将得到进一步的优化。另外，人工智能技术也将在后量子密码算法开发方面发挥关键作用，例如深度学习、机器学习、生成式人工智能等技术都将在强化密码系统应对量子计算机攻击的能力方面提供技术支撑，进一步提升密码学领域应对技术快速变化的能力（本小节详细解析请见寰球密码简报（第124期）丨颠覆、共变与融合：人工智能与密码学的融合发展前瞻）。

（二）密码学影响的人工智能

对人工智能而言，密码学的应用也同样支撑了其领域的发展。近年来，针对人工智能安全性的研究主要集中在一些特定的方面，如人工智能隐私和特定的一些技术（神经网络、机器学习、深度学习）等，密码学被广泛地应用于其中，对人工智能安全性的提升产生了长期的影响。

探讨密码学影响的人工智能（CIAI），就需要了解其演变路径的五个不同阶段，即“加密敏感型人工智能”阶段（Crypto-Sensitive AI, CSAI）、“加密自适应人工智能”阶段（Crypto-Adapted AI, CAAI）、“加密友好型人工智能”阶段 （Crypto-Friendly AI, CFAI）、“加密激活型人工智能”阶段（Crypto-Enabled AI, CEAI）、“加密保护型人工智能”阶段 （Crypto-Protected AI, CPAI）。

在CSAI阶段，密文中的恶性和良性加密数据已经可以在不解密文件的情况下被人工智能模型检测到。人工智能技术通过提取和分析不同数据的相关特征可以更好地识别加密数据，有效地检测隐藏在复杂加密方法背后的黑客恶意行为。

CAAI阶段能够处理和分析加密的输入数据，并以加密形式返回结果。为了保护数据免于遭受安全风险，新的机器学习和深度学习模式被启用，以处理密文中的隐私敏感数据。这一阶段中，有更多的功能可以被应用于保护人工智能的安全，包括识别加密算法、图像恢复、检查Wi-Fi流量的正常和异常行为，以及通过监控加密网络数据来预测视频流的质量等。

在CFAI阶段，在加密数据集上进行加密训练，并以此创建加密模型的方式已经被用于提升人工智能的安全和隐私。作为密码学对人工智能影响的第三个阶段，除了利用加密数据集上的训练检测恶意加密行为和处理加密数据外，使用加密数据集训练深度学习和机器学习的模型也可以有效地改善人工智能中的数据隐私保护情况。

在CEAI阶段，人工智能的继承功能可以被用于编写更复杂的密文，以改善自身的加密功能，降低密文被破解的可能性。人工智能可以被应用于更高阶的任务中，例如公钥加密、密钥分发、哈希生成等。在这种模式下，加密技术可用于保护固件、专有IP和敏感数据等。可以说，这一阶段是人工智能和密码学真正开始整合的起点。

在CPAI阶段，人工智能与加密紧密地交织在一起，加密技术可以被合理地应用于保护训练集和模型参数的隐私，并以此保护人工智能模型。目前，同态加密和基于像素的加密被认为是这一阶段中可用于保护人工智能的较为常见和有效的两种加密技术。

四、未来展望：量子启发式人工智能的前景

随着量子计算能力的增强，传统的加密算法将面临严峻的挑战，可通过量子算法来增强密码学的安全性。近年来，密码学界充分吸收混沌理论、信息论等量子、人工智能领域技术理论，新兴技术——量子启发式人工智能（Quantum-Inspired AI, QiAI）由此诞生，提供了一种全新的安全框架，增强现有的加密技术，以抵御未来潜在的量子攻击。

量子算法在处理大数据集时的超常能力，为人工智能的发展开辟了新的道路。QiAI在此处扮演“加速器”的角色，能够提升算法的处理速度和精度，从而推动AI技术的进步。

书中预测了QiAI的未来应用，包括对药物发现、金融模型、气候变化预测等领域的潜在影响。作者认为，QiAI将成为推动这些领域创新的关键因素，因为它能够处理以前无法解决的复杂问题，QiAI也将成为未来科技革命的重要驱动力。

五、结语

在前述内容的基础上，本书作者重申密码学-人工智能-量子计算三元体系的未来构想，并指出三者将以下列方式融合：人工智能用于改进量子密码学，处理量子支持的加密数据；量子计算用于改进人工智能辅助密码学，处理人工智能辅助的加密数据；量子启发型人工智能（QiAI）用于构建密码系统。

本书的最后对信息科学领域的研究人员提出了殷切期盼，建议学界加强对“人工智能和密码学的协同作用导致共同演进过程”“量子革命对人工智能和密码学二元体系未来影响”等方面的探讨，系统研究量子计算、人工智能和密码学之间的相互作用，以弥补本书研究的不足，进一步推动密码学与神经网络等其他领域的交叉研究。