密码学界有桩悬了近三十年的公案：美国国家标准与技术研究院（NIST）公布的多条椭圆曲线，其神秘参数从何而来，始终没人说得清。因为参数来源不明，坊间一直流传"后门"的猜测——万一曲线里藏着旁门，全球加密体系都可能受影响。据The Neuron等多家科技媒体10月19日报道，Anthropic的内部研究模型用不到半小时，把这桩悬案追到了源头。
破案过程像剥洋葱
模型顺着参数反推，最终发现这些"神秘种子"源自一个名叫lrand48的老式C语言随机数生成器，而它的初始化输入，竟然只是Unix时间戳。换句话说，三十年前工程师生成参数时随手用的老工具，成了悬案的最终答案。
关键在于结论的性质：这一发现不揭示任何漏洞，反而让"故意留后门"的阴谋论站不住脚——因为它展示了一条可复现的生成路径，证明参数大概率只是历史工具的偶然产物，而非精心设计的暗门。
AI科研的另一种打开方式
这事的看点不在密码学本身，而在工作方式。过去这类跨领域的"考古式"研究，需要熟悉密码学、又懂数十年前软件工程的专家花数周翻档案。AI模型的优势恰恰是"什么都读过一点"，能在海量旧代码、旧文档之间快速连线。
当然，冷静看，这是模型把已有的人类知识串联起来了，属于高水平的信息整合与推理，不是无中生有的原创发现。但它提示了一种新的科研姿势：很多领域的"悬案"缺的不是智力，而是跨领域的检索与耐心。
普通人现在能做什么
做研究、做审计、做风控的读者，可以试着把手头那些"拖了很多年没时间查"的旧问题交给AI做初步梳理，效率提升是实打实的；关注信息安全的读者，此次结论是利好——主流椭圆曲线的可信度反而增加了；普通用户记住一点即可：你手机里的支付加密，经得起这轮"侦探"的检验。
科学侦探上岗，第一案告破。下一个被AI翻案的老问题，会出在哪个领域？
再往深一层想，这桩破案还留下一个方法论样本：AI做研究的优势场景，恰恰是“知识都在、没人串起来”的领域。科学史上有大量悬而未决的小问题，缺的不是天才而是耐心——谁愿意花几个月翻四十年前的代码库。模型把这类“考古成本”压到了小时级，等于给每个领域的老问题都装上了重启键。可以预见，“AI翻案”会陆续出现在密码学之外的场合：古籍校勘、专利审查、地质数据复核。对研究者来说，与其担心被替代，不如先列一份自己领域里“没人愿意查”的清单，那可能就是下一段学术红利。
本文为脑机网原创内容，基于公开信息与公开数据分析，不构成投资建议。