一封两个多世纪没有人能完整读懂的拿破仑密信，最近有了新的解法。
9月30日，美国 AI 工程师卡特·丘奇（Carter Church）在社交平台上宣称，他借助 OpenAI 最新模型GPT-6 Astra，破解了一封拿破仑时代写给法国将领奥古斯特·德·马尔蒙（Auguste de Marmont）的加密信件。
整套破解工作从一张低清晰度黑白扫描图开始，Astra 完成了图像转录、密码分析、程序编写和历史资料比对等环节，模型执行时间约为 6 小时。丘奇此前已于 9 月 18 日公布完整研究记录，并公开了转录文本、密码表和用于复现解密结果的程序。
图｜密信扫描图（来源：X）
这封写于 1809 年的密信，距今已有217 年。它长期被历史密码网站 Cryptiana 列入未破解密码清单，唯一公开的完整图像来自法国军事史期刊 1969 年刊登的一张扫描图。过去许多人曾研究过这套密码，但始终没人公开还原出整封信的内容。
据丘奇介绍，Cryptiana维护者、历史密码研究者 Satoshi Tomokiyo 已经检查了他的解法，并将该条目标记为“已解决”，还把此前标注错误的 1807 年改为 1809 年。
（来源：Cryptiana）
不过，准确地说，这不是一封拿破仑亲笔写下、直接寄出的密信。信件来自意大利总督欧仁·德·博阿尔内（Eugène de Beauharnais）的司令部，是按照拿破仑的命令转述发送给马尔蒙的一份加密军事简报。
一封只剩低清扫描件的 1809 年密信
1809 年春天，欧洲大陆的新一轮战争已经迫近。奥地利准备再次对法国开战，而当时法国大量军队仍被牵制在西班牙。法国将领马尔蒙正在达尔马提亚指挥法军，一旦奥地利发动进攻，他可能迅速陷入孤立无援的境地。
3 月 16 日，拿破仑向意大利总督欧仁下达命令，要求他把法国及盟军主要部队的位置告诉马尔蒙，并特别要求这份消息“以密码写成”，由可靠的军官送达。如今保存下来的这封密信，很可能就是这道命令发出后送给马尔蒙的那一封。丘奇又根据解出的兵力数字、将领头衔和部队位置，将信件的时间重新确定为 1809 年 3 月下旬，距离奥地利军队发动进攻只有大约两周。
图｜1809 年奥地利战役期间的拿破仑战争场景。当年春天，奥地利再次对法国开战，欧洲大陆进入第五次反法同盟战争。（来源：历史版画）
但这份文件的保存状况非常糟糕。1969 年，法国陆军中校 J. Vilcoq 在《Revue historique des Armées》发表《第一帝国时期的密码》（Le Chiffre sous le Premier Empire），其中收入了这封信的复制图。原图只有 1202×1836 像素，第一行还可以正常读出法语：“马尔蒙将军，您应该已经收到了我本月 8 日、14 日和 20 日的信……”随后便是 24 行数字、字母和手绘符号。
然而，对应的完整密码本没有流传下来，这是一大破解难关。
更困难的是，这套密码不是简单的一字一码。丘奇统计，整封信共有约 1,300 个密码单元，涉及 155 种不同符号。其中大量高频字母拥有多个不同写法，还有一些符号直接代表整个单词。这样的“同音替换密码”会刻意打散字母频率，让传统的词频分析效果大幅下降。
此前，法国密码史研究者 Daniel Tant 已经整理出其中 33 个字母对应关系，可以解释 435 个密码单元，约占全文三分之一；剩下的 865 个单元仍需进一步推断。另一名研究者 Daniel Bourdeau 在 9 月 15 日也曾尝试处理这封信，一度因为没有找到完整密文转录而停止。丘奇随后发现，1969 年的原始期刊已经由法国学术平台 Persée 数字化，真正需要处理的材料其实一直公开存在，只是藏在一张很难直接使用的老扫描图里。
解密后的内容是一份相当详细的战前兵力简报。信中依次提到约 4 万名巴伐利亚军队驻扎在慕尼黑和帕绍一带，约 3 万名波兰军队驻扎在维斯瓦河附近并威胁克拉科夫，萨克森军队位于德累斯顿附近；达武、马塞纳和乌迪诺等法军将领所率部队的位置和兵力也被一一列出。信中随后判断，奥地利将从多个方向承受攻击，并要求马尔蒙积极行动。
这些部队出现的顺序和数字，与拿破仑 3 月 16 日给欧仁的命令几乎逐项对应，成为判断解密结果的重要外部证据。
其中还有一个有趣的历史细节。1865年出版的《拿破仑书信集》中，相关命令写到马尔蒙不应被“一小撮……”吓住，后面却留下了一串省略号。解出的接收端密信中，相应位置出现了“quelques troupes ou un rassemblement de canailles”，大意是“几支部队，或一群乌合之众”。
图｜《拿破仑书信集》1809年卷中的相关命令。拿破仑要求将法国及盟军的兵力部署“以密码信件”告知马尔蒙，其中一处表述以省略号。（来源：Correspondance de Napoléon Ier）
不过，这封密信并不是拿破仑原始命令的逐字抄录，而是根据他的命令整理后发给马尔蒙的。因此，目前还不能确定“几支部队，或一群乌合之众”就是拿破仑当时的原话，只能确认马尔蒙最终收到的信息中包含了这一表述。
从一张图片到一套完整密码表
丘奇之所以会尝试破解这封马尔蒙密信，起因是他此前看到了一次类似的 AI 破译案例。
此前，开发者卡特·莱芬（Carter Leffen）曾使用 GPT-6 Astra 处理一封 1941 年的德国陆军 Enigma 电报。那封编号为 MVUEH 的 82 字母密文从2005 年公开以来一直没有被破解。Astra 自行筛选目标、搜索相关档案，随后利用同一天另一封已破解电报中的地名“ROSENOW ROSENOW”作为已知明文线索，编写 Python 和 C++ 程序模拟 Enigma 和密码分析设备，最终找到正确密钥。Crypto Cellar 维护者、密码研究者 Frode Weierud 后来检查了结果，确认了明文和密钥。
图｜Carter Leffen 公布GPT-6 Astra 破解 1941 年 Enigma 密文 MVUEH 的过程。（来源： X）
丘奇看到这个案例后，也打开了 Cryptiana 的未解密码清单。
他本职工作同样与 AI 智能体有关，但此前没有历史密码破解经验。根据个人资料，丘奇目前是网络安全公司 SentinelOne 的 AI 工程技术人员，长期从事安全运营、事件响应和自动化。他有十多年网络安全运营经验，近年的工作重点则是让 AI 智能体自主完成较长链条的安全任务。
因此，他对这封信采取的方法也很接近一个智能体工作流。
首先是转录。Astra 把低分辨率扫描图切成一行行小图，逐个识别手写符号。最初它记录了 1320 个单元和 175 种暂定符号，随后继续比较笔迹，把同一个符号的不同手写变体合并，最终得到 1300 个密码单元和 155 种符号。
随后，它把 Tant 此前确定的 33个字母值作为锚点，同时利用信件中直接用普通字母写出的“CONSEQUENT”等内容扩大已知部分。在剩余符号上，Astra 编写了基于模拟退火算法的求解程序，再用 19 世纪法语语料判断不同结果是否自然。用于统计语言特征的材料包括雨果、大仲马的作品以及马尔蒙本人的回忆录。
在分析过程中，它还发现，仅把所有符号当成单个字母无法解释文本，于是进一步把一部分符号视为完整单词。最终有 29 个符号被识别为整词符号，对应 de、que、les、vous、général 等常见法语词汇。
最后一步是回到原始图片进行验证。每提出一个新的符号映射，模型都会检查这个符号在整封信中的其他出现位置，看它是否都能产生合理结果。丘奇还让求解器移除马尔蒙回忆录以及拿破仑时代文本后重新运行，结果仍恢复出了相同的主要内容。完整解法随后被整理成密码表、符号清单、转录文件和脚本公开，其他研究者可以重新运行。
（来源：X）
所以，“6 小时破解 217 年密码”所说的“6 小时”，主要指 GPT-6 Astra 的模型执行时间。完成解密后，丘奇又花了几个晚上整理材料、核查历史背景，并制作可供他人复现的文件。整个过程中也没有出现新的密码学原理。真正值得关注的是，原本需要图像转录、历史资料检索、语言分析、密码破解和程序开发等多项工作协同完成的任务，被 Astra 连续完成并串联起来。
越来越短的“未解之谜”清单
最近几周，类似的案例已经接连出现。9 月 20 日，密码研究者 Jack Willis 又借助 Anthropic 的 Claude Opus 5 破解了另一封 1941 年德国陆军 Enigma 密文 FMNGI。与前一个案例不同，Willis 事先向 Claude 提供了用 Go 编写的密码分析工具和相关历史材料。最终的密钥搜索在一台 Apple M2 设备上完成，用时 13 分 28 秒。需要注意的是，这只是最后一轮搜索的耗时，并不包括此前整理材料和寻找线索的时间。
另一项受到关注的案例来自一封1918 年的德国 ADFGVX 无线电密文。GPT-6 Astra 找到历史资料中已经公开的一组密钥，并结合英国军舰 HMS Canterbury 的航海记录核对解出的时间和地点。不过这一案例目前仍存在争议，使用的密钥与密文本身在时间上并不完全对应，也缺少独立复现。因此，这几起“AI 破解历史密码”的案例，目前得到外部验证的程度并不相同。
马尔蒙密信更值得关注的地方，是它展示了 AI 如何降低这类历史问题的研究成本。相关扫描件早已公开，部分密码表也有人整理，拿破仑书信、马尔蒙回忆录和 19 世纪法语语料同样可以查到。过去真正耗费时间的，是把这些零散材料找出来，再完成转录、编目、写程序和反复验证。
丘奇在复盘中也提到，一名有耐心的密码专家几十年前就可能解开这封信，只是很少有人愿意为一张军事史期刊里的低清扫描图投入数周时间。现在，模型把这类工作压缩到了更短的时间尺度。
这种变化可能不只出现在密码学。历史档案、古文字、手稿、旧地图，甚至散落在不同数据库里的科学数据中，都存在大量类似问题：材料和方法已经存在，只是过去投入成本过高。随着 AI 进一步承担资料检索、图像识别、程序编写和结果验证，未来参与这些“未解之谜”的人，也可能越来越多地来自专业领域之外。
排版：胡莉花
作者：张锦怡
嘉喜配资提示：文章来自网络，不代表本站观点。
