本文提出了一种基于场景的评估框架，用于分析量子计算及人工智能加速对 TLS 1.3 密码依赖构成的潜在风险。作者将威胁划分为不同的证据层级：基于机制支持的威胁（如 Shor 算法对 RSA 和 ECC 的攻击）、基于偶然性支持的威胁（针对基于格的后量子密码，如 ML-KEM、ML-DSA）、以及仅基于假设的风险（针对哈希基和对称原语）。论文明确表示，目前未发现任何针对 ML-KEM、ML-DSA、SLH-DSA 或 AES-256 的已知破解方法，并强调其研究并非宣称这些算法已被攻破。核心方法是构建一个四场景能力模型，每个场景包含显式参数和伪代码，用于压力测试迁移时间线，同时进行参数敏感性分析和可证伪性分析。该模型的主要方法论贡献在于其可复现的场景估计工具和显式更新机制：每个参数都是命名且锚定的量，可独立调整并重新运行模型；同时定义了一套协议，将观测到的数据与模型曲线的符合或偏离映射到特定参数的修订上，从而允许根据历史积累数据逐步优化模型。论文定位为量子资源估算研究和专家启发时间调查（如全球风险研究所的量子威胁报告）的方法论补充，并明确给出了修正规则。截至 2026 年年中，模型显示没有任何 NIST 批准的算法被攻破；但在不同场景下，RSA 的风险在 2030-2032 年间跨过 50% 阈值，而 PQC 风险在 2032-2035 年后在偶然性场景下变为非零风险（条件依赖于未经证实的维度坍缩假设）。作者强烈建议按照 2030 和 2031 的联邦截止日期以及 Mosca 的 HNDL 推理强制进行 PQC 迁移，并认为加密敏捷性和混合加密部署是任何 PQC 迁移工作的必要补充。该文适合关注后量子密码迁移战略、TLS 1.3 安全性、以及风险评估方法论的密码学家、安全架构师和政策制定者阅读。