Axi · Сквозной — фон контента (skin) · 16 кат.Axi · Сквозной — фон контента (skin) · 16 кат.

Google DeepMind nutzt KI zur Überprüfung des kryptografischen Codes von Signal

• Sliv Evgeniya (aktualisiert:)
Google DeepMind nutzt KI zur Überprüfung des kryptografischen Codes von Signal

Am 10. November 2026 präsentierte Google DeepMind die Ergebnisse einer Studie, in der KI-Agenten halfen, die wichtigsten Sicherheitsmechanismen des kryptografischen Protokolls Signal mathematisch zu verifizieren. Für diese Arbeit entwickelten Wissenschaftler das AlphaProof Code-System, das große Sprachmodelle, formale Verifikationstools und die Aufsicht durch Spezialisten kombiniert. Laut den Forschern gelang es ihnen zum ersten Mal, die Sicherheitsnachweise eines weit verbreiteten kryptografischen Protokolls mit dem Maschinencode seiner unveränderten Implementierung zu verknüpfen.

Das Projekt dauerte vier Wochen und erforderte die Teilnahme von fünf Forschern. In dieser Zeit erstellten auf Gemini 4 Carbon basierende Agenten etwa 6,5 Millionen Zeilen von Beweisen in der Lean-Sprache, die vom mathematischen Kern dieses Systems verifiziert wurden. Die Ergebnisse wurden zusammen mit technischer Dokumentation und Quellcode veröffentlicht, sodass andere Spezialisten die Verifikation studieren und reproduzieren können.

Welche Signal-Sicherheitsmechanismen von Forschern verifiziert wurden

Der Hauptfokus der Studie lag auf der libsignal-Bibliothek, die das Signal-Kryptografieprotokoll implementiert. Dieses Protokoll wird nicht nur im gleichnamigen Messenger, sondern auch in anderen Kommunikationsdiensten wie WhatsApp und Google Messages für die Ende-zu-Ende-Verschlüsselung von Nachrichten verwendet. Die Forscher untersuchten zwei wichtige Mechanismen: PQXDH, verantwortlich für den sicheren Schlüsselaustausch während der Verbindungserstellung, und Triple Ratchet, das kryptografische Schlüssel im Verlauf des Gesprächs aktualisiert.

Die Verifikation umfasste mehrere Sicherheitseigenschaften. Darunter waren die Vertraulichkeit und Authentizität von Nachrichten, der Schutz früherer Korrespondenz im Falle eines späteren Schlüsselkompromisses und die Fähigkeit, die Sicherheit weiterer Austausche nach bestimmten Arten von Kompromissen wiederherzustellen. Die Forscher analysierten auch spezifische Sicherheitseigenschaften des Verbindungsaufbauverfahrens unter Berücksichtigung potenzieller Quantenbedrohungen.

Im Gegensatz zur traditionellen Verifikation eines mathematischen Modells eines Protokolls untersuchte DeepMind die kompilierte Implementierung direkt. Dazu verwendeten die Forscher die Version 0.105.4 von libsignal und untersuchten den ausführbaren Code für die AArch64-Architektur, die in Arm-Prozessoren verwendet wird. Dieser Ansatz ermöglicht die Verifikation nicht nur des kryptografischen Schemas, sondern auch, wie gut seine Softwareimplementierung den festgelegten Sicherheitseigenschaften entspricht.

Wie AlphaProof Code KI zur Verifikation von Programmen nutzt

Die formale Verifikation unterscheidet sich vom regulären Testen dadurch, dass Entwickler anstelle der Überprüfung einzelner Szenarien mathematisch die Erfüllung bestimmter Anforderungen nachweisen. Beispielsweise kann eine Bedingung formuliert werden, bei der ein unautorisierter Teilnehmer keinen Zugriff auf den Inhalt einer Nachricht erhalten sollte, und dann wird überprüft, ob diese Bedingung in allen vom Modell bereitgestellten Fällen gilt.

In AlphaProof Code beginnt dieser Prozess mit der Erstellung einer formalen Spezifikation – einer präzisen mathematischen Beschreibung der zu verifizierenden Eigenschaften. KI-Agenten helfen, Sicherheitsanforderungen in Ausdrücke in der Lean-Sprache zu übersetzen, aber die endgültigen Formulierungen werden von Menschen überprüft und genehmigt. Danach generiert eine andere Gruppe von Agenten Beweise, die das Lean-System unabhängig davon verifiziert, wie sie gewonnen wurden.

Während der Studie wurden etwa 6,5 Millionen Zeilen von maschinenverifizierten Beweisen erstellt. Sie basierten auf etwa 26.000 Zeilen vertrauenswürdiger Spezifikationen und Beschreibungen der Funktionsweise der Prozessorarchitektur. Das System hob auch Bereiche hervor, die zusätzliche menschliche Verifikation erforderten, sodass sich die Forscher auf die kritischsten Annahmen konzentrieren konnten.

Um die Fähigkeit von AlphaProof Code zur Erkennung realer Probleme zu testen, führte das Team zwei zuvor behobene Schwachstellen in separate Versionen des Codes wieder ein. In beiden Fällen konnte das System mathematisch die Verletzung der festgelegten Sicherheitseigenschaften nachweisen. Dieses Experiment zeigte, dass das Tool nicht nur in der Lage ist, die Korrektheit einer Implementierung zu bestätigen, sondern auch bestimmte Fehler zu identifizieren.

Bedeutet das, dass Signal vollständig sicher ist

Trotz der Ergebnisse deckt die Studie nicht das gesamte Signal-System ab. Die Forscher verifizierten eine spezifische Implementierung des kryptografischen Protokolls für den Nachrichtenaustausch zwischen zwei Teilnehmern, nicht alle Funktionen der mobilen Anwendung. Gruppenchats, spezifische Merkmale der Geräte- und Serveroperationen sowie einige Arten von Softwareangriffen waren nicht Teil dieser Arbeit.

Darüber hinaus sind die mathematischen Beweise unter bestimmten Annahmen über die Sicherheit der verwendeten kryptografischen Algorithmen gültig. Die Forscher wandten zwei Modelle an: ein symbolisches, bei dem kryptografische Operationen in idealisierter Form betrachtet werden, und ein rechnerisches, das die Fähigkeiten von Angreifern unter gegebenen Bedingungen berücksichtigt. Der rechnerische Beweis erstreckt sich jedoch nicht auf Quantenangreifer, und einige post-quanten Eigenschaften von Triple Ratchet erfordern noch eine separate Verifikation.

Die Forscher fanden keine neuen Schwachstellen in den verifizierten Komponenten der aktuellen Implementierung. Dies schließt jedoch Probleme in anderen Teilen der Anwendung nicht aus und garantiert nicht die Systemsicherheit unter allen Umständen.

Warum die Studie für die Softwareentwicklung wichtig ist

Laut Google DeepMind könnte AlphaProof Code den Arbeitsaufwand für die formale Verifikation komplexer Software erheblich reduzieren. Solche Projekte erforderten zuvor jahrelange Arbeit von Spezialisten: Zum Beispiel erforderte die formale Verifikation des seL4-Betriebssystem-Mikrokernels etwa 20 Personenjahre, und die Entwicklung des verifizierten CompCert C-Compilers dauerte sechs Jahre.

Der arbeitsintensivste Teil des neuen Ansatzes war nicht die Erstellung von Beweisen, sondern die Bestimmung, welche Eigenschaften der Software verifiziert werden mussten. Die Zusammenarbeit zwischen Mensch und KI beschleunigte die Vorbereitung der Beweise, eliminierte jedoch nicht die Notwendigkeit einer Expertenbewertung der mathematischen Modelle und ihrer Einschränkungen.

In Zukunft plant Google DeepMind, ähnliche Methoden auf andere komplexe Softwaresysteme anzuwenden, einschließlich Bankensoftware und kritischer Infrastruktur. Die Möglichkeit, die Technologie auf größere Codebasen zu skalieren, die Kosten der Berechnungen und der Umfang der notwendigen menschlichen Aufsicht bleiben jedoch offene Fragen.

Das Material dient ausschließlich zu Informationszwecken und stellt keinen finanziellen Rat oder Empfehlung dar.

Kommentare

Überprüfung der Autorisierung...
Lade Kommentare...