前言:狼來了,還是狼真的在門口?
隨著 IBM、Google 與新創公司在量子硬體上的軍備競賽,關於「RSA 加密已死」的傳言在 2025 年甚囂塵上。確實,Shor 演算法在數學上證明了量子電腦能高效分解大質數,但我們距離那一台「能運作的機器」究竟還有多遠?
許多媒體報導混淆了**「物理量子位元(Physical Qubits)」與「邏輯量子位元(Logical Qubits)」**的差異,導致了過度的恐慌。本文將撥開行銷術語的迷霧,評估 RSA-2048 面臨的真實風險。
核心技術解析:Shor 演算法與硬體鴻溝
1. RSA-2048 的護城河
RSA-2048 的安全性建立在「大整數分解」的困難度。使用目前最強的古典演算法(GNFS),即便是超級電腦也需要數百萬年才能破解。
2. Shor 演算法的降維打擊
量子電腦利用疊加態與糾纏,透過 Shor 演算法將破解複雜度從指數級降低至多項式級(約 O(n^3))。
圖說:古典演算法(指數增長)與 Shor 演算法(多項式增長)在破解時間上的巨大差異。
3. 真實硬體現狀:物理 vs. 邏輯
這是最大的誤區所在。要破解 RSA-2048,估計需要 4,000 到 20,000 個「邏輯量子位元」。
-
現況 (2025): 頂尖硬體(如 IBM Condor 或 Atom Computing)約擁有 1,000+ 個「物理量子位元」。
-
誤差修正 (Error Correction): 由於量子態極不穩定,我們可能需要 1,000 個物理量子位元 來糾錯並組成 1 個邏輯量子位元。
-
結論: 我們需要百萬等級的物理量子位元才能構建出那台「破密機器」,而目前僅完成了千分之一的進度。
圖說:從底層不穩定的物理量子位元,透過糾錯碼(QEC)堆疊出穩定的邏輯量子位元示意圖。
時間表預測:何時是「Q-Day」?
綜合 a16z 的報告與學界(如 Google Quantum AI 團隊)的論文,我們可以推估以下時間軸:
-
2025-2028 (NISQ 時代): 含雜訊的中型量子電腦。量子位元數增加,但糾錯能力不足,無法破解 RSA-2048。
-
2030-2035 (邏輯量子位元萌芽): 開始出現可糾錯的邏輯量子位元。風險開始顯著上升。
-
2035+ (CRQC 成熟期): 密碼學相關量子電腦(CRQC)可能問世,屆時傳統 RSA/ECC 將不再安全。
⚠️ 關鍵風險:SNDL (Store Now, Decrypt Later)
駭客現在可以先竊取並儲存您的加密流量(如機密通訊、長期憑證),等到 10 年後量子電腦成熟再進行解密。對於有機密保存期限超過 10 年的企業(金融、國防、醫療),威脅已經開始了。
企業防禦戰略:邁向後量子時代
NIST(美國國家標準技術研究所)已於 2024 年 8 月正式發布首批後量子密碼學(PQC)標準(FIPS 203, 204, 205)。企業應採取以下行動:
1. 加密資產盤點 (Discovery)
使用自動化工具掃描內部系統,找出所有使用 RSA 與 ECC(橢圓曲線)的環節,特別是老舊的 VPN、SSH 金鑰與硬體安全模組 (HSM)。
2. 導入混合加密模式 (Hybrid Encryption)
在過渡期間,不要立即拋棄 RSA。建議採用**「傳統 + PQC」**的混合模式(例如:ECDH + Kyber/ML-KEM),確保即便 PQC 演算法有潛在漏洞,傳統加密仍能提供保護。
3. 關注 NIST 標準算法
-
金鑰封裝 (KEM): ML-KEM (原 Kyber) —— 用於交換密鑰。
-
數位簽章 (Signature): ML-DSA (原 Dilithium) —— 用於身分驗證,效率高。
-
備用簽章: SLH-DSA (原 SPHINCS+) —— 效率較低但基於雜湊,安全性更保守。
4. 提升加密敏捷性 (Crypto-Agility)
不要將加密演算法「寫死」在程式碼中。應確保系統配置能隨時抽換底層加密庫,以應對未來演算法被攻破的風險。
結論
雖然「量子電腦一週破解 RSA」在 2025 年仍是科幻小說,但這並不代表我們可以高枕無憂。硬體的指數級發展意味著 Q-Day (量子破密日) 終將到來。對於企業資安長(CISO)而言,現在不是恐慌的時候,而是開始規劃 PQC 遷移路徑 的最佳時機。
參考資料
-
NIST PQC Standards: FIPS 203, 204, and 205 Summary
-
Google Research: How to factor 2048 bit RSA integers in 8 hours using 20 million noisy qubits (Gidney & Ekerå).
-
a16z Crypto: Quantum computing timeline analysis.
🧠 本文由 DreamJ AI 技術新聞生成系統 自動撰寫與優化,
內容僅供技術研究與學習參考,實際環境請搭配官方公告與資安建議。












發佈留言