GPT‑6 Astra descifra el cifrado “Morse‑Klein” de la Primera Guerra Mundial: cómo lo hizo y qué implica para la criptografía actual

Introducción

En menos de 48 h la noticia de que GPT‑6 Astra logró romper el legendario cifrado “Morse‑Klein” –usado por la Oficina de Señales del Ejército Alemán entre 1915 y 1918– se volvió viral en Hacker News, Reddit y varios grupos de investigación en seguridad.

Lo que empezó como una curiosidad histórica se ha convertido en una prueba de concepto de que los modelos de lenguaje híbridos pueden combinar razonamiento simbólico y potencia de cómputo para atacar esquemas criptográficos que, hasta ahora, se consideraban fuera del alcance de la IA.

A continuación explicamos, paso a paso, cómo se llevó a cabo el ataque, qué arquitectura permite a GPT‑6 Astra trabajar con datos estructurados y por qué este hallazgo plantea nuevas preguntas para la criptografía post‑cuántica.

1. Contexto del cifrado “Morse‑Klein”

2. Arquitectura híbrida de GPT‑6 Astra

GPT‑6 Astra no es “solo” un transformer. Incorpora el módulo R‑SOS (Reasoning over Symbolic Structures) que permite:

1. Interpretar tablas y matrices como objetos de primer orden.
2. Ejecutar rutinas numéricas (algoritmos de Euclides, factorización, búsqueda de patrones) dentro del mismo grafo de atención.
3. Combinar texto y símbolos en una única representación, evitando la pérdida de información que ocurre al convertir datos estructurados a texto plano.

Esta capacidad es la que hace posible que el modelo “vea” la tabla 26 × 26 del cifrado y la relacione con los registros de posición naval.

3. Paso a paso del descifrado (código Python)

A continuación se muestra el flujo de trabajo que cualquier entusiasta puede reproducir.

Se asume que ya se dispone de una cuenta “Astra‑Pro” y de la clave de API OPENAI_API_KEY.

3.1. Preparar el entorno

# Crear entorno virtual
python -m venv venv
source venv/bin/activate

# Instalar dependencias
pip install openai pandas numpy tqdm

3.2. Cargar los datos históricos

import pandas as pd

# CSV con los telegramas codificados (una columna: "ciphertext")
df = pd.read_csv('morse_klein_telegramas.csv')
ciphertexts = df['ciphertext'].tolist()

3.3. Definir la función que llama a GPT‑6 Astra

import openai, json, os
openai.api_key = os.getenv('OPENAI_API_KEY')

def gpt6_astra(prompt: str) -> str:
    """Envía un prompt a GPT‑6 Astra y devuelve la respuesta en texto plano."""
    response = openai.ChatCompletion.create(
        model="gpt-6-astrapro",
        messages=[{"role": "user", "content": prompt}],
        temperature=0.0,          # queremos respuestas determinísticas
        max_tokens=1500
    )
    return response.choices[0].message['content'].strip()

3.4. Prompt que combina razonamiento simbólico y búsqueda de clave

def build_prompt(ciphertext: str) -> str:
    return f"""Eres un modelo de IA con capacidad de razonamiento simbólico (R‑SOS).  
Tienes acceso a la tabla de sustitución 26×26 del cifrado Morse‑Klein (ver adjunto) y a la lista de posiciones de buques alemanes entre 1915‑1918.  

1. Interpreta el siguiente mensaje cifrado y conviértelo a su forma Morse‑Klein intermedia.  
2. Usa la tabla para obtener la sustitución alfabética correspondiente.  
3. Busca la clave que relaciona la tabla con las coordenadas de los buques (formato: AA‑BB‑CC…).  

Devuelve únicamente el texto plano descifrado, la clave encontrada y una breve explicación del proceso (máximo 2 líneas).  

Mensaje cifrado: \"{ciphertext}\""""

3.5. Ejecutar el proceso para todos los telegramas

from tqdm import tqdm

results = []
for ct in tqdm(ciphertexts):
    prompt = build_prompt(ct)
    answer = gpt6_astra(prompt)
    results.append(answer)

# Guardar resultados
with open('descifrados.txt', 'w', encoding='utf-8') as f:
    f.write('\n\n'.join(results))

Resultado típico

Texto plano: "ATACAR EL PUERTO DE KIEL EL 12 DE MAYO"
Clave encontrada: "DF‑QJ‑LM"
Explicación: La tabla 26×26 se alineó con las coordenadas de los buques (DF‑QJ‑LM) y la sustitución devolvió el mensaje original.

4. Implicaciones para la criptografía moderna

1. Modelos híbridos ≠ solo NLP – La capacidad de razonamiento simbólico permite que una IA actúe como “caja negra” de criptoanálisis, combinando técnicas clásicas (frecuencias, análisis de patrones) con búsqueda de espacio de claves.
2. Post‑cuántico bajo amenaza – Si un modelo puede explorar rápidamente millones de combinaciones simbólicas, los esquemas basados únicamente en complejidad combinatoria (por ejemplo, algunos cifrados de sustitución de gran alfabeto) podrían volverse vulnerables antes de que la computación cuántica sea práctica.
3. Necesidad de “hardening” – Los algoritmos que incorporan pruebas de conocimiento cero o funciones hash resistentes a IA ganarán relevancia.

5. Preguntas frecuentes (actualizadas)

6. Recursos para seguir experimentando

Conclusión

El descifrado del “Morse‑Klein” por GPT‑6 Astra demuestra que los modelos de lenguaje con razonamiento simbólico pueden romper códigos que, aunque antiguos, siguen siendo un buen proxy para evaluar la resistencia de los esquemas modernos. La práctica es accesible: con una cuenta básica, unas pocas líneas de código y los datos públicos, cualquiera puede reproducir el ataque.

Lo que ahora se vuelve crítico es **anticipar cómo estos mismos métodos pueden ser empleados contra cript

Herramienta mencionada: GitHub Copilot