ZYLING / DAILY PERSPECTIVES

Google DeepMind用AI形式化验证Signal实现:600万行Lean证明有明确边界

AlphaProof Code协助研究团队对特定libsignal构建验证安全性质。论文同时列明规格、机器模型和可信假设的边界。

Signal Android应用中的安全号码验证页面资料图;并非DeepMind测试界面
资料图:Signal Android安全号码验证界面,ShreyasMinocha,2025-07-04;不是 DeepMind 测试界面。原作品与 CC0 许可见文末来源清单。

11月10日,Google DeepMind公布 AlphaProof Code:研究团队让一组 AI 代理参与 Signal 协议实现的形式化验证,生成超过 600 万行 Lean 证明。它不是让模型读代码后判断“看起来没有漏洞”,而是由研究者先把安全目标写成机器可检查的规格,再由代理寻找证明,最终交给 Lean 内核检查。论文把规格、环境模型、可信假设和待证明性质都列为结论成立的前提;因此结果必须和这些范围一起阅读,不能简化成“AI证明了Signal绝对安全”。

它把验证推进到一个具体编译产物。 论文描述的对象是特定构建的 libsignal 代码(通过 libsignal-cli 运行),将未修改的 Rust 可执行文件载入 Lean,并在 AArch64 指令集语义下证明指定性质。研究人员和规格编写代理先起草性质,审阅代理提出批评,由人类用户审定规格;代理生成的证明本身不可信,Lean 内核负责检查证明项。也就是说,AI承担的是规格协作和证明搜索,结论的可信度还依赖规格、人类审定的定义、处理器语义及论文列出的可信计算基。

公告称成果涉及Signal的PQXDH与Triple Ratchet机制,包括前向保密、认证、攻击者失陷后的安全恢复以及握手机密性等属性。论文还详细说明了Lean规格、Arm64语义和可信基的构造。六百多万行证明并不意味着六百万行业务代码被逐行证明无错;它说明研究团队围绕机器码语义、协议模型和性质陈述,搭起了一条很长的可机检推理链。对工程团队来说,真正有价值的产物是:哪些假设被写清楚、哪些性质被覆盖、证明如何复现、在实现更新后能否自动重跑。

程序员输入代码的资料图
资料图:程序员输入代码,Free-Photos from Pixabay,2015-03-23;不是DeepMind或Signal项目团队。CC0 1.0。

形式化验证比模型代码审查多了一层可检查约束。 普通代码审查、静态分析和模糊测试分别能发现不同类别的问题,但它们不能单独给出某项安全属性在所有模型状态下成立的数学证明。形式化方法则把实现与性质翻译成逻辑对象,再尝试证明二者的关系。AI代理在此处可能降低规格翻译、引理搜索和证明脚本编写的人力成本;但前提是规格本身正确、覆盖边界清楚,而且证明器的可信基足够小并经过审查。错误的规格也能被“完美地证明”,却无法保护真实用户。

程序员编写Java代码和单元测试的资料图
资料图:程序员编写Java代码并运行JUnit测试,Joonspoon,2014-11-04;并非Signal实现。CC BY-SA 4.0。

研究边界尤其重要。论文明确说明结论针对其验证的 libsignal-cli 构建,不是 Signal 自身的 Android、iOS、桌面客户端或所有实际部署;研究采用了具体机器和环境假设,也未建模线程、信号、动态链接及若干系统接口。研究把 PQXDH 与 Triple Ratchet 的符号安全性质组合起来,并另外给出受限条件下的计算安全证明;这些结论不等同于无条件证明所有真实攻击者、设备、网络和运行环境都安全。用户操作、端点失陷、密钥备份、部署和更新流程也不自动包含在结论里。因而,这项研究不能支持“Signal已经无漏洞”或“AI保证隐私”的传播说法,更不能替代持续的人工审计、代码评审、漏洞响应和端到端测试。

它真正提示的是安全工程的下一步:让AI参与建立可复核的证明资产,而不是只输出一份可能有说服力的审计报告。项目团队可以先从关键协议状态机、权限检查和资金/身份校验等边界明确的模块试用形式化规格;同步保存假设、可信定义、验证器版本、编译配置和证明回归结果;把超出证明范围的应用层、系统接口、并发、存储和部署风险继续列入传统测试计划。普通用户不需要因为一则公告更换通信软件,开发团队也不应把“有AI参与”当作安全认证;值得关注的是未来是否公开完整工件、第三方能否独立复现,以及项目迭代后证明是否持续通过。

来源与说明

原稿日期:2026-11-10 · 官网发布: