Google DeepMind 介紹 AlphaProof Code,深入形式化驗證 Signal 協議程式碼
Introducing AlphaProof Code: a breakthrough in verifying complex software at depth
Google DeepMind 研究人員使用 AlphaProof Code,對 Signal 加密協議的實際編譯程式碼進行形式化驗證,證明其符合指定的關鍵安全性質。這個多 LLM 智能體框架生成超過 600 萬行 Lean 證明,並將需人工複查的範圍縮至程式碼庫的 1%;整個驗證流程歷時四週。Google DeepMind 將公開形式化驗證成果供社羣使用。
文章展示 AlphaProof Code 如何把形式化驗證延伸至 Signal 實際程式碼,並以 Lean 機器檢查證明,呈現驗證協議設計與實作落差的一種方法。
2026年11月10日 研究
Pushmeet Kohli and Swarat Chaudhuri
Google DeepMind 研究人員如何建構全新代理式框架,對 Signal 加密協定的程式碼進行形式化驗證——這項工作長期以來被視為重大安全挑戰
今日,我們分享軟件安全領域的一項里程碑成果。這項工作長期以來被視為重大安全挑戰:Google DeepMind 研究人員引導 AI Agent,以數學方式證明 Signal 協定底層實際程式碼的關鍵安全屬性。這項技術保護 Signal 和 Google Messages 等應用程式內數十億則私人對話。
這項突破性發現採用AlphaProof Code完成。這是一個全新的形式化驗證代理式框架,能達到前所未有的驗證深度,並結合人類專業知識與 AI Agent。形式化驗證是以數學方式證明程式碼能正確執行且沒有缺陷,是安全保障的最高標準;然而,這項工作難度高,而且往往耗費大量人力。
我們的工作標誌着 AI 首次以這種深度形式化驗證廣泛部署的加密協定。這亦是首次以任何方法(無論有否使用 AI)形式化驗證 Signal 這類廣泛部署協定的實作。
我們如何驗證 Signal
AlphaProof Code 是一個多 LLM 代理式框架,按照研究團隊的工作方式拆分形式化驗證工作:人類專家與 AI 合作決定要證明甚麼,而一組 AI Agent 負責完成證明。
首先,我們的研究人員與多種模型合作,將 Signal 的安全目標轉化為形式化數學規格,每項規格均由人類專家審核。接着,由Gemini Carbon驅動的 Agent 負責證明,並生成超過六百萬行 Lean 程式碼。Lean 是一種電腦語言,可透過數學方式證明程式碼的正確性。
接着,Agent 審核證明,並標出需要人類再次檢視的部分——這只佔程式碼庫的百分之一,大幅節省時間。Lean 會自動檢查其餘部分,因此專家可以集中審核最需要人類判斷的地方。
加密協定是幾乎所有數碼通訊的基礎,涵蓋網上銀行以至網頁瀏覽;任何單一缺陷都可能令數以百萬計的人同時暴露於風險之中。因此,專家數十年來一直致力以形式化方法分析加密協定。
但大部分協定驗證工作只做到設計層面。我們的 Agent 更進一步,證明編譯後的程式碼符合關鍵安全屬性,例如即使裝置暫時遭入侵,訊息在裝置遭入侵前後仍能受到保護;驗證亦一路深入至裝置上實際執行的確切程式碼。現實世界的漏洞往往藏於設計與實作之間的落差,因此彌合這道落差,令證明的複雜程度大幅提高。
即使驗證工作如此複雜,整個流程只花了四星期;過往這項工作需要專家團隊耗時數年。這證明 Signal 的核心加密程式碼能提供專家指定的安全保障。
為確認 AlphaProof Code 能分辨正確程式碼與有錯誤的程式碼,我們在 Signal 程式碼的隔離版本中重新引入兩個真實、先前已修正的錯誤。兩種情況下,系統均產生經機器檢查的證明,證明有錯誤的版本並不安全。
在 AlphaProof Code 中,AI Agent 協助用戶撰寫規格,然後自主證明實作符合規格。每項證明均由 Lean 檢查,以驗證 Agent 的工作。
雖然以往的形式化驗證工作必然集中於較小範圍,但這種新方法大幅擴展了驗證範圍。傳統上,要驗證正式環境中的程式碼是否嚴格符合其密碼學設計,需要大量人手工作,因此,利用 AI 代理自動將實際運行中的程式碼轉換為有效的 Lean 定理,是一項重大突破。隨着 AI 驅動的安全威脅日益增加,透過自動化定理證明,嚴謹驗證 Signal 核心協定,讓我們更有信心確保程式碼實現其私隱保障承諾。
安全的未來
克服這項長期存在的挑戰,展現了 AI 如何為企業、政府及關鍵基礎設施提供頂尖級安全保障,協助抵禦由 Agent 推動的網絡威脅。
驗證 Signal 的核心密碼學,為保障其他重要系統奠定基礎,涵蓋醫療器材韌體以至電網軟件。
要擴大應用這些技術,仍需持續研究。結合 CodeMender 等自動化防禦代理,形式化驗證有助應對現代網絡威脅的速度與規模,並打造防護措施有效性有數學證明的軟件。
我們將形式化驗證產物開源,供社羣使用。請參閲下方的技術論文。
致謝
這項研究由 Swarat Chaudhuri、Andrew Ferraiuolo、Anton Kovsharov、Tej Chajed、Sam Schlesinger、Karn Seth、Jonathan Katz、Charles Sutton 及 Pushmeet Kohli 開展。
我們感謝 Eric Wieser 協助將程式碼開源、Owen Jones 提供項目管理支援,亦感謝 Martín Abadi、Christopher Henson、Katerina Hristova、Henryk Michalewski、Jonathan Protzenko 及 George Tsoukalas 提供寶貴意見。我們感謝 Signal 的 Rolfe Schmidt、Michael Rosenberg 及 Ehren Kret 就我們的方法提出意見。我們亦感謝 Tulsee Doshi、Four Flynn、Kate Olszewska、Alicia Huang、Andy Liu、Benoit Schillings、Raluca Ada Popa、Melvin Johnson、Koray Kavukcuoglu、Demis Hassabis 及 Sundar Pichai 支持這項計劃。
來源:Google DeepMind · deepmind.google