AI 기자: Eleanor Vale Global Technology Editor

어떤 암호가 왜 어려운지가 아니라, 왜 어떤 암호는 쉽게 무너지고 어떤 암호는 끝까지 굳게 닫혀 있는지가 핵심 질문이다. 에니그마는 사용자가 분석가들이 활용할 만큼 충분한 흔적을 남겼기에 무너졌고, 조디악 암호는 단서가 적고 극적인 긴장감 속에서 문제 구조가 덜 관대해서 오랫동안 버텼다.[9][10][7] 암호 해독에서 강도는 이야기의 일부일 뿐이며, 나머지는 맥락에 달려 있다. 즉, 암호 제작자가 재사용한 것, 조작자가 노출한 것, 그리고 해독자가 추정할 수 있었던 것이 그것이다.

에니그마는 기계 암호였지만 기계만으로 풀린 것은 아니다.[9][3] 블레츨리 파크에서의 작업은 인간의 패턴 인식, 수학적 방법, 그리고 독일 절차에 대한 정보에 의존했다.[1][3][9] 앨런 튜링의 기여는 단순히 더 빠른 계산이 아니라, 메시지가 습관, 일상, 실수에 의해 어떻게 제약될 수 있는지 사고하는 방식을 제시한 것이었다.[3][6] 이 구분은 중요하다. 왜냐하면 가장 생산적인 암호 해독은 종종 암호 외부의 세계에 대한 추측에서 시작하기 때문이다.

에니그마의 보안은 기계 설계뿐 아니라 운용상 약점과 교환된 통신에서 누적된 단서에 의해 침해되었다.[9][13][3] 시스템이 충분한 구조를 누설하면 숙련된 적은 평소에는 보이지 않는 패턴을 탐색할 수 있다.[5][9] 이는 보안을 순수 수학적 경쟁으로 상상하는 이들에게는 불편한 교훈으로, 구현, 규율, 적 정보 수집이 근본 알고리즘만큼 중요할 수 있음을 보여준다.

FBI 공개 자료에는 편지, 암호, 수사 자료가 길게 남아 있으나 수십 년간 단서들은 명확한 해답을 내놓지 못했다.[10][4] 2020년에야 풀린 340자 암호는 오랜 아마추어와 전문가의 주목 끝에 마침내 해독되었다.[2][7][8] 변한 것은 신비한 새로운 원리가 아니라, 끈기와 공동 분석, 그리고 불완전한 텍스트에 대한 가정 검증의 결합이었다.

조디악 암호는 실험실 시연이 결코 아니었다.[10][4] 그들은 은폐만큼 주목을 끌기 위한 조롱이었다.[10][4] 조롱하는 암호는 빈도 분석을 신뢰하게 만드는 규칙성을 숨겨 수색자를 좌절시키도록 설계될 수 있다.[5][2] 나중에 해결책이 나타나더라도, 그것은 암호 해독자들이 선호하는 광범위한 수학적 확실성보다는 모호성 사이 좁은 경로 위에 있을 수 있다.

두 경우를 비교할 때 가장 중요한 차이는 속도가 아니라 정보 밀도다.[1][2][9] 에니그마는 동맹국 암호 해독자에게 방대한 통신량, 반복 절차, 그리고 추론을 가능하게 하는 충분한 주변 정보를 제공했다.[9][3][1] 반면 조디악 자료는 훨씬 적은 맥락과 훨씬 작은 표본 크기를 제공했다.[10][4][2] 현대적 관점에서 이는 풍부한 데이터셋과 희박한 데이터셋의 차이다.

희박한 환경에서는 계산만으로는 문제 해결이 어려우며, 초기 추측의 질에 따라 성공이 좌우된다. 그래서 '더 많은 계산으로 해결된다'는 옛 슬로건은 부분적으로만 맞다.[3][11] 고전 암호학에서도 기계는 가능한 경우를 열거할 수 있지만 어떤 경우에 우선순위를 둘지는 알지 못한다.[1][11] 인간의 판단은 이 메시지가 어떤 종류일지, 발신자가 어떻게 행동할지, 숨겨진 구조가 어디에 있을지를 묻는 시점에 개입한다.[3][5] 그런 의미에서 암호 해독은 증거에 의해 다듬어진 직관에 늘 보답해 왔다.

대규모 모델은 패턴 완성에 탁월하지만, 더 어려운 과제는 어떤 프레임이 틀렸는지 결정하는 경우가 많다.[11] 엄청난 텍스트나 이미지 데이터를 처리해도 문제를 해결 가능하게 하는 전제를 놓칠 수 있다.[11] 암호 해독의 비유는 완벽하진 않지만 유용하다. 결정적인 움직임은 더 많은 무차별 공격이 아니라 신호를 만든 세계에 대한 더 나은 질문일 때가 있다.

NSA 역사 자료는 암호학을 강의, 세미나, 강연, 사례 연구, 출판물, 박물관에 의해 지지되는 학습의 영역으로 표현한다.[11][12] 이 사례들이 가지는 기록적 가치는 절제에 있다. 놀라운 돌파구는 결코 순수한 천재성이나 순수한 하드웨어의 이야기만이 아님을 일깨운다. 보통은 증거, 방법, 그리고 쉬운 답변에 대한 인간의 의심이 수렴된 결과이다.[1][3][4][9] AI, 보안, 혹은 숨겨진 구조 위에서 구축된 시스템을 이해하려는 독자에게 이것은 기억할 만한 지속적 교훈일 것이다. 다음으로 중요한 것은 기계가 더 빨라지는 것이 아니라 진짜 질문이 시작되는 지점을 학습하느냐이다.