DeepMind 用智能体为 Signal 协议做出机器可检验的安全证明
Introducing AlphaProof Code: a breakthrough in verifying complex software at depth
这是首次有 AI 对广泛部署的密码学协议在生产代码层面完成形式化验证,也是该协议实现层面的第一次——无论用不用 AI。整个过程耗时四周。
AlphaProof Code 是一个多 LLM 智能体框架,分工方式模仿研究团队:人类专家与模型共同决定要证明什么,把 Signal 的安全目标翻译成形式化数学规约,每一条都由人复核;然后由 Gemini Carbon 驱动的智能体承担证明工作,生成超过 600 万行 Lean 代码。Lean 是一个把数学证明交给机器检查的语言,任何一行站不住脚都会被编译器拒绝。
真正的突破在于深度而非规模。以往的协议验证大多止步于设计层——证明抽象协议在数学上安全。这一次,智能体证明的是编译后、运行在设备上的机器码满足关键安全属性,例如在设备被短暂攻破的前后,消息仍然受到保护。现实漏洞往往正好藏在设计与实现之间那道缝隙里,跨越它让证明复杂度上升一个量级。
流程设计上有意把人的注意力放到最贵的地方:智能体先自审一遍证明,只标出约百分之一的代码库需要人工二次检查,剩下的交给 Lean 自动核验。于是四周完成了历史上需要专家团队数年的工作。
为了证明系统能分辨对错,研究团队把两个已修复的真实漏洞重新植入隔离版本的 Signal 代码。两次系统都产出了机器可检验的证明,结论是该版本不安全。Signal 首席技术官 Ehren Kret 称,随着 AI 驱动的攻击增长,对协议核心代码的严格验证让他们对隐私承诺更有信心。相关形式化工件已开源。
这背后的战略含义比技术细节更值得注意:形式化验证长期是论文里的理想、工程上的奢侈品,成本高到只有航空航天和芯片行业偶尔使用。如果智能体把成本压下一个数量级,医疗设备固件、电网控制软件这类系统就进入了可验证区间。DeepMind 把它与自动修复智能体 CodeMender 并列,指向一个攻防都以机器速度运行的未来。
- 生成超过 600 万行 Lean 证明代码
- 四周完成,传统方法需专家团队数年
- 仅约 1% 代码需要人工复核
- 两个历史漏洞均被机器证明为不安全
- 首次验证编译后生产代码,而非仅设计层








