谷歌DeepMind使用AI验证Signal的加密代码

2026年11月10日,Google DeepMind展示了一项研究结果,其中AI代理帮助数学验证了Signal加密协议的关键安全机制。为此,科学家们开发了AlphaProof Code系统,该系统结合了大型语言模型、形式验证工具和专家的监督。据研究人员称,他们首次成功地将广泛使用的加密协议的安全证明与其未修改实现的机器代码联系起来。
该项目耗时四周,需五名研究人员参与。在此期间,基于Gemini 4 Carbon的代理生成了约650万行Lean语言的证明,这些证明由该系统的数学核心进行验证。研究结果与技术文档和源代码一起发布,以便其他专家可以研究和重现验证。
研究人员验证了哪些Signal安全机制
研究的主要焦点是实现Signal加密协议的libsignal库。该协议不仅用于同名信使的端到端消息加密,还用于其他通信服务,包括WhatsApp和Google Messages。研究人员检查了两个重要机制:负责连接建立期间安全密钥交换的PQXDH和在对话过程中更新加密密钥的Triple Ratchet。
验证涵盖了几个安全属性。其中包括消息的机密性和真实性、在后续密钥泄露情况下保护先前通信的能力,以及在某些类型的泄露后恢复进一步交换安全性的能力。研究人员还分析了连接建立过程的特定安全属性,考虑了潜在的量子威胁。
与传统的协议数学模型验证不同,DeepMind直接研究了编译的实现。为此,研究人员使用了libsignal的0.105.4版本,并检查了用于Arm处理器的AArch64架构的可执行代码。这种方法不仅允许验证加密方案,还允许验证其软件实现如何遵循指定的安全属性。
AlphaProof Code如何利用AI验证程序
形式验证不同于常规测试,因为它不是检查单个场景,而是开发人员通过数学证明某些要求的实现。例如,可以制定一个条件,未经授权的参与者不应访问消息的内容,然后检查该条件是否在模型提供的所有情况下成立。
在AlphaProof Code中,此过程始于创建形式规范——待验证属性的精确数学描述。AI代理帮助将安全要求翻译成Lean语言中的表达式,但最终的表述由人类检查和批准。之后,另一组代理生成证明,Lean系统独立验证这些证明的获得方式。
在研究过程中,准备了约650万行机器验证的证明。它们依赖于大约26,000行可信规范和处理器架构操作描述。系统还突出显示了需要额外人工验证的区域,使研究人员能够专注于最关键的假设。
为了测试AlphaProof Code检测实际问题的能力,团队在代码的单独版本中重新引入了两个先前修复的漏洞。在这两种情况下,系统都能够数学证明指定安全属性的违反。这项实验表明,该工具不仅能够确认实现的正确性,还能够识别某些错误。
这是否意味着Signal完全安全
尽管有这些结果,研究并未涵盖整个Signal系统。研究人员验证了特定的加密协议实现,用于两名参与者之间的消息交换,而不是移动应用程序的所有功能。群聊、设备和服务器操作的特定功能以及某些类型的软件攻击不在此工作的范围内。
此外,数学证明在关于所用加密算法安全性的某些假设下是有效的。研究人员应用了两种模型:一种是符号模型,其中加密操作被视为理想化形式,另一种是计算模型,考虑到攻击者在给定条件下的能力。然而,计算证明并未扩展到量子对手,Triple Ratchet的一些后量子属性仍需单独验证。
研究人员在当前实现的已验证组件中未发现新的漏洞。然而,这并不排除应用程序其他部分的问题,也不能保证系统在所有情况下的安全性。
为什么这项研究对软件开发很重要
根据Google DeepMind的说法,AlphaProof Code可以显著减少复杂软件形式验证所需的劳动力。此前,此类项目需要专家多年的工作:例如,seL4操作系统微内核的形式验证需要约20人年,而经过验证的CompCert C编译器的开发则耗时六年。
新方法中最耗时的部分不是生成证明,而是确定需要验证的软件属性。人机协作加速了证明的准备,但并未消除对数学模型及其局限性的专家评估的需求。
未来,Google DeepMind计划将类似方法应用于其他复杂软件系统,包括银行软件和关键基础设施。然而,将技术扩展到更大代码库的可能性、计算成本以及所需的人类监督量仍然是悬而未决的问题。
本材料仅供参考,不构成财务建议或推荐。





